import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import statsmodels.api as sm
from statsmodels.graphics.tsaplots import plot_acf,plot_pacf
from sklearn.impute import SimpleImputer
pd.set_option('display.max_columns',None)
pd.set_option('display.max_rows',None)
from sklearn.metrics import mean_absolute_percentage_error as mape
from statsmodels.tsa.statespace.sarimax import SARIMAX
from statsmodels.tsa.arima.model import ARIMA
df = pd.read_csv('train_1.csv')
df.shape
(145063, 551)
df.isna().sum()
Page 0 2015-07-01 20740 2015-07-02 20816 2015-07-03 20544 2015-07-04 20654 2015-07-05 20659 2015-07-06 20483 2015-07-07 20664 2015-07-08 20294 2015-07-09 20244 2015-07-10 20342 2015-07-11 20525 2015-07-12 20485 2015-07-13 20399 2015-07-14 20140 2015-07-15 20106 2015-07-16 19987 2015-07-17 20048 2015-07-18 20295 2015-07-19 20142 2015-07-20 19979 2015-07-21 19688 2015-07-22 19573 2015-07-23 19581 2015-07-24 19593 2015-07-25 19589 2015-07-26 19865 2015-07-27 19759 2015-07-28 19553 2015-07-29 19347 2015-07-30 19592 2015-07-31 19708 2015-08-01 19640 2015-08-02 19844 2015-08-03 19842 2015-08-04 19595 2015-08-05 19607 2015-08-06 19424 2015-08-07 19528 2015-08-08 19525 2015-08-09 19320 2015-08-10 19370 2015-08-11 19385 2015-08-12 19507 2015-08-13 19317 2015-08-14 19272 2015-08-15 19320 2015-08-16 19213 2015-08-17 18954 2015-08-18 19104 2015-08-19 18954 2015-08-20 18923 2015-08-21 19012 2015-08-22 18973 2015-08-23 19039 2015-08-24 18781 2015-08-25 18704 2015-08-26 18526 2015-08-27 18870 2015-08-28 18691 2015-08-29 18926 2015-08-30 18993 2015-08-31 18915 2015-09-01 18793 2015-09-02 18716 2015-09-03 18404 2015-09-04 18412 2015-09-05 18464 2015-09-06 18543 2015-09-07 18296 2015-09-08 18263 2015-09-09 18448 2015-09-10 18497 2015-09-11 18329 2015-09-12 18279 2015-09-13 18235 2015-09-14 18407 2015-09-15 18313 2015-09-16 18177 2015-09-17 18097 2015-09-18 18207 2015-09-19 18244 2015-09-20 18345 2015-09-21 18231 2015-09-22 18345 2015-09-23 18155 2015-09-24 18067 2015-09-25 18015 2015-09-26 18102 2015-09-27 18153 2015-09-28 17812 2015-09-29 17897 2015-09-30 17807 2015-10-01 17759 2015-10-02 17695 2015-10-03 17835 2015-10-04 17714 2015-10-05 17594 2015-10-06 17528 2015-10-07 17598 2015-10-08 17725 2015-10-09 17771 2015-10-10 17746 2015-10-11 17844 2015-10-12 17419 2015-10-13 17425 2015-10-14 17244 2015-10-15 17146 2015-10-16 17356 2015-10-17 17275 2015-10-18 17337 2015-10-19 17411 2015-10-20 17206 2015-10-21 17150 2015-10-22 16965 2015-10-23 17189 2015-10-24 17513 2015-10-25 17238 2015-10-26 17216 2015-10-27 17149 2015-10-28 17196 2015-10-29 16743 2015-10-30 16810 2015-10-31 17079 2015-11-01 17094 2015-11-02 17078 2015-11-03 15734 2015-11-04 15714 2015-11-05 15791 2015-11-06 15841 2015-11-07 15930 2015-11-08 15825 2015-11-09 15769 2015-11-10 15699 2015-11-11 15842 2015-11-12 15761 2015-11-13 15895 2015-11-14 15911 2015-11-15 15852 2015-11-16 15835 2015-11-17 15974 2015-11-18 15734 2015-11-19 15419 2015-11-20 15872 2015-11-21 15888 2015-11-22 15743 2015-11-23 15620 2015-11-24 15662 2015-11-25 15793 2015-11-26 15599 2015-11-27 15735 2015-11-28 15847 2015-11-29 15778 2015-11-30 15644 2015-12-01 15449 2015-12-02 15324 2015-12-03 15184 2015-12-04 15354 2015-12-05 15480 2015-12-06 15335 2015-12-07 15338 2015-12-08 15060 2015-12-09 15245 2015-12-10 15187 2015-12-11 15188 2015-12-12 15128 2015-12-13 14884 2015-12-14 14970 2015-12-15 14900 2015-12-16 14846 2015-12-17 14814 2015-12-18 14883 2015-12-19 14966 2015-12-20 14498 2015-12-21 14695 2015-12-22 14710 2015-12-23 14647 2015-12-24 14642 2015-12-25 14667 2015-12-26 14518 2015-12-27 14521 2015-12-28 14247 2015-12-29 14253 2015-12-30 14286 2015-12-31 14303 2016-01-01 14415 2016-01-02 14150 2016-01-03 14313 2016-01-04 14138 2016-01-05 14010 2016-01-06 13950 2016-01-07 13890 2016-01-08 13879 2016-01-09 13787 2016-01-10 13861 2016-01-11 13712 2016-01-12 13425 2016-01-13 13390 2016-01-14 13396 2016-01-15 13514 2016-01-16 13625 2016-01-17 13667 2016-01-18 13448 2016-01-19 13260 2016-01-20 13355 2016-01-21 13176 2016-01-22 13248 2016-01-23 13222 2016-01-24 13016 2016-01-25 12932 2016-01-26 13019 2016-01-27 12897 2016-01-28 12750 2016-01-29 12652 2016-01-30 12652 2016-01-31 12550 2016-02-01 12700 2016-02-02 12744 2016-02-03 12709 2016-02-04 12673 2016-02-05 12696 2016-02-06 12501 2016-02-07 12595 2016-02-08 12525 2016-02-09 12636 2016-02-10 12380 2016-02-11 12057 2016-02-12 12261 2016-02-13 12375 2016-02-14 12417 2016-02-15 12382 2016-02-16 12253 2016-02-17 12140 2016-02-18 12196 2016-02-19 12196 2016-02-20 12137 2016-02-21 12148 2016-02-22 11998 2016-02-23 11868 2016-02-24 12116 2016-02-25 11935 2016-02-26 11707 2016-02-27 11740 2016-02-28 11917 2016-02-29 11923 2016-03-01 11730 2016-03-02 11724 2016-03-03 11755 2016-03-04 11431 2016-03-05 11629 2016-03-06 11665 2016-03-07 11485 2016-03-08 11616 2016-03-09 11661 2016-03-10 11738 2016-03-11 11850 2016-03-12 11725 2016-03-13 11582 2016-03-14 11527 2016-03-15 11329 2016-03-16 11440 2016-03-17 10926 2016-03-18 11312 2016-03-19 11123 2016-03-20 11229 2016-03-21 11123 2016-03-22 11116 2016-03-23 10939 2016-03-24 10872 2016-03-25 11006 2016-03-26 10927 2016-03-27 10853 2016-03-28 10774 2016-03-29 10765 2016-03-30 10528 2016-03-31 10593 2016-04-01 10385 2016-04-02 10489 2016-04-03 10744 2016-04-04 10279 2016-04-05 10024 2016-04-06 10053 2016-04-07 10103 2016-04-08 10007 2016-04-09 10175 2016-04-10 10152 2016-04-11 10036 2016-04-12 10059 2016-04-13 9950 2016-04-14 9727 2016-04-15 9916 2016-04-16 10130 2016-04-17 9998 2016-04-18 9561 2016-04-19 9961 2016-04-20 9718 2016-04-21 9614 2016-04-22 9560 2016-04-23 9880 2016-04-24 9730 2016-04-25 9555 2016-04-26 9679 2016-04-27 9371 2016-04-28 9743 2016-04-29 9457 2016-04-30 9629 2016-05-01 9705 2016-05-02 9560 2016-05-03 9265 2016-05-04 9259 2016-05-05 9499 2016-05-06 9295 2016-05-07 9204 2016-05-08 9207 2016-05-09 9325 2016-05-10 9073 2016-05-11 9181 2016-05-12 9183 2016-05-13 8996 2016-05-14 9320 2016-05-15 9222 2016-05-16 9096 2016-05-17 9247 2016-05-18 8995 2016-05-19 8971 2016-05-20 9320 2016-05-21 9216 2016-05-22 9012 2016-05-23 8845 2016-05-24 8936 2016-05-25 8974 2016-05-26 8909 2016-05-27 9055 2016-05-28 8787 2016-05-29 9001 2016-05-30 8622 2016-05-31 8431 2016-06-01 8351 2016-06-02 8324 2016-06-03 8488 2016-06-04 8226 2016-06-05 8433 2016-06-06 8670 2016-06-07 8477 2016-06-08 8484 2016-06-09 8390 2016-06-10 8380 2016-06-11 7981 2016-06-12 8433 2016-06-13 8083 2016-06-14 8045 2016-06-15 8071 2016-06-16 8152 2016-06-17 8224 2016-06-18 7971 2016-06-19 8302 2016-06-20 8074 2016-06-21 7930 2016-06-22 7966 2016-06-23 7728 2016-06-24 7882 2016-06-25 7677 2016-06-26 7992 2016-06-27 7774 2016-06-28 7896 2016-06-29 7738 2016-06-30 7892 2016-07-01 7612 2016-07-02 7696 2016-07-03 8107 2016-07-04 7855 2016-07-05 7800 2016-07-06 7446 2016-07-07 7649 2016-07-08 7946 2016-07-09 7508 2016-07-10 7836 2016-07-11 7569 2016-07-12 7210 2016-07-13 7441 2016-07-14 7193 2016-07-15 7684 2016-07-16 7313 2016-07-17 7819 2016-07-18 7523 2016-07-19 7415 2016-07-20 7310 2016-07-21 7384 2016-07-22 7153 2016-07-23 6985 2016-07-24 7443 2016-07-25 7159 2016-07-26 7087 2016-07-27 7116 2016-07-28 6818 2016-07-29 6873 2016-07-30 6826 2016-07-31 7154 2016-08-01 7023 2016-08-02 6964 2016-08-03 6793 2016-08-04 6917 2016-08-05 6799 2016-08-06 6677 2016-08-07 7169 2016-08-08 6879 2016-08-09 6833 2016-08-10 6813 2016-08-11 6712 2016-08-12 6735 2016-08-13 6366 2016-08-14 6722 2016-08-15 6655 2016-08-16 6693 2016-08-17 6599 2016-08-18 6601 2016-08-19 6413 2016-08-20 6060 2016-08-21 6275 2016-08-22 6135 2016-08-23 6010 2016-08-24 6137 2016-08-25 5978 2016-08-26 6077 2016-08-27 5988 2016-08-28 6310 2016-08-29 6022 2016-08-30 6076 2016-08-31 6091 2016-09-01 5842 2016-09-02 6126 2016-09-03 5673 2016-09-04 5991 2016-09-05 5999 2016-09-06 5638 2016-09-07 5529 2016-09-08 5606 2016-09-09 5882 2016-09-10 5637 2016-09-11 5577 2016-09-12 5205 2016-09-13 5233 2016-09-14 5466 2016-09-15 5243 2016-09-16 5334 2016-09-17 5279 2016-09-18 5613 2016-09-19 5560 2016-09-20 5455 2016-09-21 5600 2016-09-22 5426 2016-09-23 5457 2016-09-24 5138 2016-09-25 5627 2016-09-26 5355 2016-09-27 5518 2016-09-28 5556 2016-09-29 5464 2016-09-30 5481 2016-10-01 4989 2016-10-02 5497 2016-10-03 5434 2016-10-04 5423 2016-10-05 5245 2016-10-06 5480 2016-10-07 5489 2016-10-08 4932 2016-10-09 5355 2016-10-10 5226 2016-10-11 5018 2016-10-12 5069 2016-10-13 4941 2016-10-14 4952 2016-10-15 4720 2016-10-16 4928 2016-10-17 4762 2016-10-18 4858 2016-10-19 4803 2016-10-20 4980 2016-10-21 4881 2016-10-22 4355 2016-10-23 4882 2016-10-24 5143 2016-10-25 4864 2016-10-26 4964 2016-10-27 4829 2016-10-28 4739 2016-10-29 4424 2016-10-30 4768 2016-10-31 4807 2016-11-01 4739 2016-11-02 4471 2016-11-03 4539 2016-11-04 4665 2016-11-05 4405 2016-11-06 4626 2016-11-07 4386 2016-11-08 4529 2016-11-09 4866 2016-11-10 4709 2016-11-11 4632 2016-11-12 4234 2016-11-13 4661 2016-11-14 4422 2016-11-15 4639 2016-11-16 4498 2016-11-17 4357 2016-11-18 4380 2016-11-19 4169 2016-11-20 4502 2016-11-21 4401 2016-11-22 4153 2016-11-23 4374 2016-11-24 4295 2016-11-25 4372 2016-11-26 3779 2016-11-27 4416 2016-11-28 3979 2016-11-29 4071 2016-11-30 4229 2016-12-01 4060 2016-12-02 4243 2016-12-03 3675 2016-12-04 4290 2016-12-05 4231 2016-12-06 4103 2016-12-07 4130 2016-12-08 3962 2016-12-09 4179 2016-12-10 3625 2016-12-11 3581 2016-12-12 3538 2016-12-13 3802 2016-12-14 4108 2016-12-15 4078 2016-12-16 3566 2016-12-17 3559 2016-12-18 3666 2016-12-19 3652 2016-12-20 3268 2016-12-21 3236 2016-12-22 3853 2016-12-23 3584 2016-12-24 3189 2016-12-25 3744 2016-12-26 3918 2016-12-27 3701 2016-12-28 3822 2016-12-29 3826 2016-12-30 3635 2016-12-31 3465 dtype: int64
df.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 145063 entries, 0 to 145062 Columns: 551 entries, Page to 2016-12-31 dtypes: float64(550), object(1) memory usage: 609.8+ MB
exog = pd.read_csv('Exog_Campaign_eng.csv')
exog.shape
(550, 1)
df.head(10)
| Page | 2015-07-01 | 2015-07-02 | 2015-07-03 | 2015-07-04 | 2015-07-05 | 2015-07-06 | 2015-07-07 | 2015-07-08 | 2015-07-09 | 2015-07-10 | 2015-07-11 | 2015-07-12 | 2015-07-13 | 2015-07-14 | 2015-07-15 | 2015-07-16 | 2015-07-17 | 2015-07-18 | 2015-07-19 | 2015-07-20 | 2015-07-21 | 2015-07-22 | 2015-07-23 | 2015-07-24 | 2015-07-25 | 2015-07-26 | 2015-07-27 | 2015-07-28 | 2015-07-29 | 2015-07-30 | 2015-07-31 | 2015-08-01 | 2015-08-02 | 2015-08-03 | 2015-08-04 | 2015-08-05 | 2015-08-06 | 2015-08-07 | 2015-08-08 | 2015-08-09 | 2015-08-10 | 2015-08-11 | 2015-08-12 | 2015-08-13 | 2015-08-14 | 2015-08-15 | 2015-08-16 | 2015-08-17 | 2015-08-18 | 2015-08-19 | 2015-08-20 | 2015-08-21 | 2015-08-22 | 2015-08-23 | 2015-08-24 | 2015-08-25 | 2015-08-26 | 2015-08-27 | 2015-08-28 | 2015-08-29 | 2015-08-30 | 2015-08-31 | 2015-09-01 | 2015-09-02 | 2015-09-03 | 2015-09-04 | 2015-09-05 | 2015-09-06 | 2015-09-07 | 2015-09-08 | 2015-09-09 | 2015-09-10 | 2015-09-11 | 2015-09-12 | 2015-09-13 | 2015-09-14 | 2015-09-15 | 2015-09-16 | 2015-09-17 | 2015-09-18 | 2015-09-19 | 2015-09-20 | 2015-09-21 | 2015-09-22 | 2015-09-23 | 2015-09-24 | 2015-09-25 | 2015-09-26 | 2015-09-27 | 2015-09-28 | 2015-09-29 | 2015-09-30 | 2015-10-01 | 2015-10-02 | 2015-10-03 | 2015-10-04 | 2015-10-05 | 2015-10-06 | 2015-10-07 | 2015-10-08 | 2015-10-09 | 2015-10-10 | 2015-10-11 | 2015-10-12 | 2015-10-13 | 2015-10-14 | 2015-10-15 | 2015-10-16 | 2015-10-17 | 2015-10-18 | 2015-10-19 | 2015-10-20 | 2015-10-21 | 2015-10-22 | 2015-10-23 | 2015-10-24 | 2015-10-25 | 2015-10-26 | 2015-10-27 | 2015-10-28 | 2015-10-29 | 2015-10-30 | 2015-10-31 | 2015-11-01 | 2015-11-02 | 2015-11-03 | 2015-11-04 | 2015-11-05 | 2015-11-06 | 2015-11-07 | 2015-11-08 | 2015-11-09 | 2015-11-10 | 2015-11-11 | 2015-11-12 | 2015-11-13 | 2015-11-14 | 2015-11-15 | 2015-11-16 | 2015-11-17 | 2015-11-18 | 2015-11-19 | 2015-11-20 | 2015-11-21 | 2015-11-22 | 2015-11-23 | 2015-11-24 | 2015-11-25 | 2015-11-26 | 2015-11-27 | 2015-11-28 | 2015-11-29 | 2015-11-30 | 2015-12-01 | 2015-12-02 | 2015-12-03 | 2015-12-04 | 2015-12-05 | 2015-12-06 | 2015-12-07 | 2015-12-08 | 2015-12-09 | 2015-12-10 | 2015-12-11 | 2015-12-12 | 2015-12-13 | 2015-12-14 | 2015-12-15 | 2015-12-16 | 2015-12-17 | 2015-12-18 | 2015-12-19 | 2015-12-20 | 2015-12-21 | 2015-12-22 | 2015-12-23 | 2015-12-24 | 2015-12-25 | 2015-12-26 | 2015-12-27 | 2015-12-28 | 2015-12-29 | 2015-12-30 | 2015-12-31 | 2016-01-01 | 2016-01-02 | 2016-01-03 | 2016-01-04 | 2016-01-05 | 2016-01-06 | 2016-01-07 | 2016-01-08 | 2016-01-09 | 2016-01-10 | 2016-01-11 | 2016-01-12 | 2016-01-13 | 2016-01-14 | 2016-01-15 | 2016-01-16 | 2016-01-17 | 2016-01-18 | 2016-01-19 | 2016-01-20 | 2016-01-21 | 2016-01-22 | 2016-01-23 | 2016-01-24 | 2016-01-25 | 2016-01-26 | 2016-01-27 | 2016-01-28 | 2016-01-29 | 2016-01-30 | 2016-01-31 | 2016-02-01 | 2016-02-02 | 2016-02-03 | 2016-02-04 | 2016-02-05 | 2016-02-06 | 2016-02-07 | 2016-02-08 | 2016-02-09 | 2016-02-10 | 2016-02-11 | 2016-02-12 | 2016-02-13 | 2016-02-14 | 2016-02-15 | 2016-02-16 | 2016-02-17 | 2016-02-18 | 2016-02-19 | 2016-02-20 | 2016-02-21 | 2016-02-22 | 2016-02-23 | 2016-02-24 | 2016-02-25 | 2016-02-26 | 2016-02-27 | 2016-02-28 | 2016-02-29 | 2016-03-01 | 2016-03-02 | 2016-03-03 | 2016-03-04 | 2016-03-05 | 2016-03-06 | 2016-03-07 | 2016-03-08 | 2016-03-09 | 2016-03-10 | 2016-03-11 | 2016-03-12 | 2016-03-13 | 2016-03-14 | 2016-03-15 | 2016-03-16 | 2016-03-17 | 2016-03-18 | 2016-03-19 | 2016-03-20 | 2016-03-21 | 2016-03-22 | 2016-03-23 | 2016-03-24 | 2016-03-25 | 2016-03-26 | 2016-03-27 | 2016-03-28 | 2016-03-29 | 2016-03-30 | 2016-03-31 | 2016-04-01 | 2016-04-02 | 2016-04-03 | 2016-04-04 | 2016-04-05 | 2016-04-06 | 2016-04-07 | 2016-04-08 | 2016-04-09 | 2016-04-10 | 2016-04-11 | 2016-04-12 | 2016-04-13 | 2016-04-14 | 2016-04-15 | 2016-04-16 | 2016-04-17 | 2016-04-18 | 2016-04-19 | 2016-04-20 | 2016-04-21 | 2016-04-22 | 2016-04-23 | 2016-04-24 | 2016-04-25 | 2016-04-26 | 2016-04-27 | 2016-04-28 | 2016-04-29 | 2016-04-30 | 2016-05-01 | 2016-05-02 | 2016-05-03 | 2016-05-04 | 2016-05-05 | 2016-05-06 | 2016-05-07 | 2016-05-08 | 2016-05-09 | 2016-05-10 | 2016-05-11 | 2016-05-12 | 2016-05-13 | 2016-05-14 | 2016-05-15 | 2016-05-16 | 2016-05-17 | 2016-05-18 | 2016-05-19 | 2016-05-20 | 2016-05-21 | 2016-05-22 | 2016-05-23 | 2016-05-24 | 2016-05-25 | 2016-05-26 | 2016-05-27 | 2016-05-28 | 2016-05-29 | 2016-05-30 | 2016-05-31 | 2016-06-01 | 2016-06-02 | 2016-06-03 | 2016-06-04 | 2016-06-05 | 2016-06-06 | 2016-06-07 | 2016-06-08 | 2016-06-09 | 2016-06-10 | 2016-06-11 | 2016-06-12 | 2016-06-13 | 2016-06-14 | 2016-06-15 | 2016-06-16 | 2016-06-17 | 2016-06-18 | 2016-06-19 | 2016-06-20 | 2016-06-21 | 2016-06-22 | 2016-06-23 | 2016-06-24 | 2016-06-25 | 2016-06-26 | 2016-06-27 | 2016-06-28 | 2016-06-29 | 2016-06-30 | 2016-07-01 | 2016-07-02 | 2016-07-03 | 2016-07-04 | 2016-07-05 | 2016-07-06 | 2016-07-07 | 2016-07-08 | 2016-07-09 | 2016-07-10 | 2016-07-11 | 2016-07-12 | 2016-07-13 | 2016-07-14 | 2016-07-15 | 2016-07-16 | 2016-07-17 | 2016-07-18 | 2016-07-19 | 2016-07-20 | 2016-07-21 | 2016-07-22 | 2016-07-23 | 2016-07-24 | 2016-07-25 | 2016-07-26 | 2016-07-27 | 2016-07-28 | 2016-07-29 | 2016-07-30 | 2016-07-31 | 2016-08-01 | 2016-08-02 | 2016-08-03 | 2016-08-04 | 2016-08-05 | 2016-08-06 | 2016-08-07 | 2016-08-08 | 2016-08-09 | 2016-08-10 | 2016-08-11 | 2016-08-12 | 2016-08-13 | 2016-08-14 | 2016-08-15 | 2016-08-16 | 2016-08-17 | 2016-08-18 | 2016-08-19 | 2016-08-20 | 2016-08-21 | 2016-08-22 | 2016-08-23 | 2016-08-24 | 2016-08-25 | 2016-08-26 | 2016-08-27 | 2016-08-28 | 2016-08-29 | 2016-08-30 | 2016-08-31 | 2016-09-01 | 2016-09-02 | 2016-09-03 | 2016-09-04 | 2016-09-05 | 2016-09-06 | 2016-09-07 | 2016-09-08 | 2016-09-09 | 2016-09-10 | 2016-09-11 | 2016-09-12 | 2016-09-13 | 2016-09-14 | 2016-09-15 | 2016-09-16 | 2016-09-17 | 2016-09-18 | 2016-09-19 | 2016-09-20 | 2016-09-21 | 2016-09-22 | 2016-09-23 | 2016-09-24 | 2016-09-25 | 2016-09-26 | 2016-09-27 | 2016-09-28 | 2016-09-29 | 2016-09-30 | 2016-10-01 | 2016-10-02 | 2016-10-03 | 2016-10-04 | 2016-10-05 | 2016-10-06 | 2016-10-07 | 2016-10-08 | 2016-10-09 | 2016-10-10 | 2016-10-11 | 2016-10-12 | 2016-10-13 | 2016-10-14 | 2016-10-15 | 2016-10-16 | 2016-10-17 | 2016-10-18 | 2016-10-19 | 2016-10-20 | 2016-10-21 | 2016-10-22 | 2016-10-23 | 2016-10-24 | 2016-10-25 | 2016-10-26 | 2016-10-27 | 2016-10-28 | 2016-10-29 | 2016-10-30 | 2016-10-31 | 2016-11-01 | 2016-11-02 | 2016-11-03 | 2016-11-04 | 2016-11-05 | 2016-11-06 | 2016-11-07 | 2016-11-08 | 2016-11-09 | 2016-11-10 | 2016-11-11 | 2016-11-12 | 2016-11-13 | 2016-11-14 | 2016-11-15 | 2016-11-16 | 2016-11-17 | 2016-11-18 | 2016-11-19 | 2016-11-20 | 2016-11-21 | 2016-11-22 | 2016-11-23 | 2016-11-24 | 2016-11-25 | 2016-11-26 | 2016-11-27 | 2016-11-28 | 2016-11-29 | 2016-11-30 | 2016-12-01 | 2016-12-02 | 2016-12-03 | 2016-12-04 | 2016-12-05 | 2016-12-06 | 2016-12-07 | 2016-12-08 | 2016-12-09 | 2016-12-10 | 2016-12-11 | 2016-12-12 | 2016-12-13 | 2016-12-14 | 2016-12-15 | 2016-12-16 | 2016-12-17 | 2016-12-18 | 2016-12-19 | 2016-12-20 | 2016-12-21 | 2016-12-22 | 2016-12-23 | 2016-12-24 | 2016-12-25 | 2016-12-26 | 2016-12-27 | 2016-12-28 | 2016-12-29 | 2016-12-30 | 2016-12-31 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2NE1_zh.wikipedia.org_all-access_spider | 18.0 | 11.0 | 5.0 | 13.0 | 14.0 | 9.0 | 9.0 | 22.0 | 26.0 | 24.0 | 19.0 | 10.0 | 14.0 | 15.0 | 8.0 | 16.0 | 8.0 | 8.0 | 16.0 | 7.0 | 11.0 | 10.0 | 20.0 | 18.0 | 15.0 | 14.0 | 49.0 | 10.0 | 16.0 | 18.0 | 8.0 | 5.0 | 9.0 | 7.0 | 13.0 | 9.0 | 7.0 | 4.0 | 11.0 | 10.0 | 5.0 | 9.0 | 9.0 | 9.0 | 9.0 | 13.0 | 4.0 | 15.0 | 25.0 | 9.0 | 5.0 | 6.0 | 20.0 | 3.0 | 14.0 | 46.0 | 5.0 | 5.0 | 13.0 | 4.0 | 9.0 | 10.0 | 9.0 | 11.0 | 11.0 | 11.0 | 9.0 | 15.0 | 5.0 | 10.0 | 7.0 | 4.0 | 8.0 | 9.0 | 10.0 | 6.0 | 13.0 | 16.0 | 6.0 | 24.0 | 9.0 | 11.0 | 12.0 | 8.0 | 14.0 | 6.0 | 6.0 | 11.0 | 14.0 | 6.0 | 10.0 | 20.0 | 7.0 | 15.0 | 8.0 | 15.0 | 5.0 | 8.0 | 8.0 | 5.0 | 11.0 | 165.0 | 34.0 | 6.0 | 13.0 | 8.0 | 9.0 | 11.0 | 26.0 | 18.0 | 3.0 | 5.0 | 12.0 | 6.0 | 16.0 | 19.0 | 9.0 | 10.0 | 11.0 | 11.0 | 7.0 | 9.0 | 10.0 | 24.0 | 6.0 | 6.0 | 8.0 | 16.0 | 13.0 | 10.0 | 10.0 | 6.0 | 5.0 | 20.0 | 6.0 | 47.0 | 9.0 | 9.0 | 12.0 | 11.0 | 17.0 | 15.0 | 14.0 | 11.0 | 97.0 | 11.0 | 12.0 | 11.0 | 14.0 | 15.0 | 12.0 | 104.0 | 5.0 | 22.0 | 45.0 | 75.0 | 29.0 | 34.0 | 20.0 | 12.0 | 25.0 | 9.0 | 62.0 | 20.0 | 19.0 | 8.0 | 23.0 | 13.0 | 16.0 | 34.0 | 36.0 | 11.0 | 18.0 | 12.0 | 24.0 | 30.0 | 27.0 | 44.0 | 35.0 | 53.0 | 11.0 | 26.0 | 13.0 | 18.0 | 9.0 | 16.0 | 6.0 | 19.0 | 20.0 | 19.0 | 22.0 | 30.0 | 14.0 | 16.0 | 22.0 | 15.0 | 15.0 | 26.0 | 16.0 | 13.0 | 27.0 | 18.0 | 13.0 | 32.0 | 31.0 | 16.0 | 38.0 | 18.0 | 9.0 | 14.0 | 10.0 | 24.0 | 8.0 | 15.0 | 18.0 | 10.0 | 23.0 | 17.0 | 11.0 | 26.0 | 14.0 | 8.0 | 12.0 | 9.0 | 11.0 | 34.0 | 17.0 | 29.0 | 11.0 | 9.0 | 14.0 | 21.0 | 12.0 | 11.0 | 13.0 | 11.0 | 13.0 | 16.0 | 13.0 | 19.0 | 21.0 | 14.0 | 11.0 | 35.0 | 18.0 | 42.0 | 15.0 | 5.0 | 21.0 | 56.0 | 9.0 | 20.0 | 17.0 | 18.0 | 8.0 | 9.0 | 17.0 | 9.0 | 10.0 | 14.0 | 17.0 | 6.0 | 18.0 | 13.0 | 11.0 | 12.0 | 11.0 | 8.0 | 15.0 | 11.0 | 20.0 | 59.0 | 11.0 | 18.0 | 17.0 | 12.0 | 14.0 | 13.0 | 9.0 | 490.0 | 189.0 | 102.0 | 38.0 | 126.0 | 71.0 | 21.0 | 57.0 | 79.0 | 17.0 | 17.0 | 23.0 | 16.0 | 23.0 | 18.0 | 22.0 | 44.0 | 6.0 | 31.0 | 17.0 | 25.0 | 40.0 | 19.0 | 15.0 | 15.0 | 29.0 | 18.0 | 16.0 | 13.0 | 20.0 | 22.0 | 19.0 | 11.0 | 50.0 | 22.0 | 39.0 | 23.0 | 21.0 | 23.0 | 22.0 | 16.0 | 19.0 | 35.0 | 16.0 | 12.0 | 15.0 | 13.0 | 14.0 | 10.0 | 21.0 | 20.0 | 19.0 | 14.0 | 12.0 | 15.0 | 17.0 | 16.0 | 21.0 | 27.0 | 13.0 | 11.0 | 15.0 | 14.0 | 18.0 | 18.0 | 10.0 | 11.0 | 14.0 | 18.0 | 14.0 | 13.0 | 17.0 | 15.0 | 14.0 | 234.0 | 8.0 | 62.0 | 26.0 | 22.0 | 8.0 | 22.0 | 15.0 | 69.0 | 11.0 | 18.0 | 23.0 | 12.0 | 20.0 | 17.0 | 15.0 | 16.0 | 18.0 | 21.0 | 15.0 | 30.0 | 115.0 | 56.0 | 45.0 | 17.0 | 18.0 | 15.0 | 18.0 | 14.0 | 15.0 | 15.0 | 24.0 | 22.0 | 18.0 | 30.0 | 12.0 | 13.0 | 18.0 | 17.0 | 31.0 | 26.0 | 29.0 | 12.0 | 19.0 | 19.0 | 57.0 | 17.0 | 20.0 | 49.0 | 10.0 | 19.0 | 26.0 | 41.0 | 23.0 | 30.0 | 55.0 | 17.0 | 24.0 | 14.0 | 12.0 | 49.0 | 42.0 | 37.0 | 13.0 | 30.0 | 20.0 | 33.0 | 20.0 | 14.0 | 40.0 | 15.0 | 18.0 | 26.0 | 8.0 | 25.0 | 21.0 | 20.0 | 25.0 | 19.0 | 23.0 | 18.0 | 19.0 | 18.0 | 55.0 | 16.0 | 65.0 | 11.0 | 11.0 | 13.0 | 20.0 | 21.0 | 13.0 | 24.0 | 20.0 | 13.0 | 32.0 | 16.0 | 10.0 | 13.0 | 44.0 | 17.0 | 13.0 | 72.0 | 40.0 | 19.0 | 14.0 | 13.0 | 12.0 | 14.0 | 10.0 | 26.0 | 13.0 | 22.0 | 14.0 | 23.0 | 12.0 | 8.0 | 50.0 | 13.0 | 10.0 | 16.0 | 14.0 | 10.0 | 24.0 | 10.0 | 20.0 | 10.0 | 26.0 | 25.0 | 16.0 | 19.0 | 20.0 | 12.0 | 19.0 | 50.0 | 16.0 | 30.0 | 18.0 | 25.0 | 14.0 | 20.0 | 8.0 | 67.0 | 13.0 | 41.0 | 10.0 | 21.0 | 13.0 | 8.0 | 15.0 | 14.0 | 12.0 | 6.0 | 11.0 | 10.0 | 42.0 | 21.0 | 24.0 | 14.0 | 11.0 | 204.0 | 14.0 | 45.0 | 33.0 | 28.0 | 18.0 | 14.0 | 47.0 | 15.0 | 14.0 | 18.0 | 20.0 | 14.0 | 16.0 | 14.0 | 20.0 | 60.0 | 22.0 | 15.0 | 17.0 | 19.0 | 18.0 | 21.0 | 21.0 | 47.0 | 65.0 | 17.0 | 32.0 | 63.0 | 15.0 | 26.0 | 14.0 | 20.0 | 22.0 | 19.0 | 18.0 | 20.0 |
| 1 | 2PM_zh.wikipedia.org_all-access_spider | 11.0 | 14.0 | 15.0 | 18.0 | 11.0 | 13.0 | 22.0 | 11.0 | 10.0 | 4.0 | 41.0 | 65.0 | 57.0 | 38.0 | 20.0 | 62.0 | 44.0 | 15.0 | 10.0 | 47.0 | 24.0 | 17.0 | 22.0 | 9.0 | 39.0 | 13.0 | 11.0 | 12.0 | 21.0 | 19.0 | 9.0 | 15.0 | 33.0 | 8.0 | 8.0 | 7.0 | 13.0 | 2.0 | 23.0 | 12.0 | 27.0 | 27.0 | 36.0 | 23.0 | 58.0 | 80.0 | 60.0 | 69.0 | 42.0 | 161.0 | 94.0 | 77.0 | 78.0 | 20.0 | 24.0 | 13.0 | 14.0 | 26.0 | 8.0 | 82.0 | 22.0 | 11.0 | 81.0 | 37.0 | 9.0 | 40.0 | 47.0 | 18.0 | 23.0 | 6.0 | 2.0 | 7.0 | 16.0 | 10.0 | 34.0 | 14.0 | 31.0 | 20.0 | 23.0 | 14.0 | 16.0 | 34.0 | 15.0 | 30.0 | 13.0 | 30.0 | 15.0 | 25.0 | 17.0 | 8.0 | 12.0 | 17.0 | 10.0 | 21.0 | 18.0 | 30.0 | 13.0 | 7.0 | 15.0 | 23.0 | 20.0 | 15.0 | 9.0 | 47.0 | 14.0 | 11.0 | 16.0 | 12.0 | 7.0 | 15.0 | 14.0 | 12.0 | 18.0 | 29.0 | 39.0 | 11.0 | 14.0 | 28.0 | 17.0 | 20.0 | 17.0 | 36.0 | 13.0 | 11.0 | 14.0 | 14.0 | 14.0 | 33.0 | 14.0 | 13.0 | 18.0 | 13.0 | 11.0 | 8.0 | 10.0 | 11.0 | 81.0 | 14.0 | 20.0 | 6.0 | 16.0 | 18.0 | 9.0 | 12.0 | 10.0 | 8.0 | 11.0 | 14.0 | 47.0 | 13.0 | 13.0 | 6.0 | 10.0 | 8.0 | 8.0 | 8.0 | 18.0 | 31.0 | 16.0 | 15.0 | 10.0 | 13.0 | 9.0 | 32.0 | 161.0 | 6.0 | 20.0 | 8.0 | 11.0 | 13.0 | 8.0 | 19.0 | 7.0 | 9.0 | 16.0 | 11.0 | 6.0 | 38.0 | 11.0 | 17.0 | 13.0 | 12.0 | 12.0 | 9.0 | 7.0 | 15.0 | 14.0 | 14.0 | 11.0 | 13.0 | 12.0 | 12.0 | 24.0 | 15.0 | 38.0 | 18.0 | 26.0 | 15.0 | 12.0 | 14.0 | 40.0 | 19.0 | 13.0 | 39.0 | 19.0 | 16.0 | 19.0 | 11.0 | 76.0 | 14.0 | 19.0 | 26.0 | 19.0 | 17.0 | 30.0 | 17.0 | 17.0 | 17.0 | 19.0 | 11.0 | 175.0 | 10.0 | 5.0 | 12.0 | 7.0 | 12.0 | 14.0 | 19.0 | 11.0 | 19.0 | 17.0 | 15.0 | 19.0 | 15.0 | 9.0 | 20.0 | 6.0 | 11.0 | 6.0 | 15.0 | 20.0 | 35.0 | 34.0 | 21.0 | 17.0 | 22.0 | 26.0 | 16.0 | 16.0 | 28.0 | 19.0 | 17.0 | 15.0 | 11.0 | 7.0 | 15.0 | 11.0 | 36.0 | 16.0 | 22.0 | 18.0 | 46.0 | 17.0 | 15.0 | 17.0 | 12.0 | 17.0 | 14.0 | 15.0 | 14.0 | 15.0 | 28.0 | 36.0 | 23.0 | 12.0 | 25.0 | 18.0 | 18.0 | 16.0 | 20.0 | 17.0 | 16.0 | 13.0 | 15.0 | 19.0 | 14.0 | 20.0 | 37.0 | 16.0 | 15.0 | 11.0 | 42.0 | 10.0 | 14.0 | 61.0 | 39.0 | 17.0 | 17.0 | 41.0 | 35.0 | 16.0 | 9.0 | 64.0 | 22.0 | 22.0 | 66.0 | 33.0 | 30.0 | 16.0 | 18.0 | 45.0 | 17.0 | 88.0 | 23.0 | 18.0 | 12.0 | 12.0 | 13.0 | 13.0 | 5.0 | 11.0 | 13.0 | 11.0 | 22.0 | 10.0 | 13.0 | 17.0 | 10.0 | 14.0 | 18.0 | 9.0 | 16.0 | 17.0 | 6.0 | 15.0 | 18.0 | 10.0 | 11.0 | 16.0 | 10.0 | 12.0 | 12.0 | 13.0 | 9.0 | 16.0 | 19.0 | 19.0 | 11.0 | 15.0 | 10.0 | 20.0 | 25.0 | 9.0 | 14.0 | 10.0 | 14.0 | 18.0 | 25.0 | 13.0 | 24.0 | 14.0 | 13.0 | 14.0 | 24.0 | 16.0 | 15.0 | 13.0 | 11.0 | 12.0 | 28.0 | 28.0 | 17.0 | 27.0 | 48.0 | 184.0 | 64.0 | 24.0 | 92.0 | 31.0 | 34.0 | 49.0 | 21.0 | 36.0 | 32.0 | 16.0 | 16.0 | 19.0 | 22.0 | 22.0 | 19.0 | 18.0 | 18.0 | 17.0 | 35.0 | 49.0 | 19.0 | 25.0 | 24.0 | 39.0 | 19.0 | 29.0 | 30.0 | 16.0 | 54.0 | 15.0 | 39.0 | 19.0 | 17.0 | 60.0 | 12.0 | 77.0 | 63.0 | 12.0 | 9.0 | 34.0 | 30.0 | 13.0 | 20.0 | 29.0 | 10.0 | 14.0 | 23.0 | 15.0 | 12.0 | 25.0 | 22.0 | 144.0 | 31.0 | 31.0 | 17.0 | 66.0 | 78.0 | 19.0 | 44.0 | 43.0 | 35.0 | 13.0 | 13.0 | 25.0 | 15.0 | 37.0 | 38.0 | 22.0 | 28.0 | 19.0 | 46.0 | 24.0 | 22.0 | 43.0 | 58.0 | 26.0 | 20.0 | 27.0 | 35.0 | 20.0 | 31.0 | 24.0 | 24.0 | 94.0 | 18.0 | 20.0 | 18.0 | 16.0 | 38.0 | 54.0 | 29.0 | 49.0 | 25.0 | 72.0 | 144.0 | 36.0 | 97.0 | 179.0 | 29.0 | 12.0 | 21.0 | 42.0 | 53.0 | 41.0 | 19.0 | 25.0 | 19.0 | 15.0 | 21.0 | 21.0 | 27.0 | 33.0 | 15.0 | 24.0 | 13.0 | 11.0 | 14.0 | 26.0 | 11.0 | 21.0 | 14.0 | 14.0 | 54.0 | 5.0 | 10.0 | 12.0 | 11.0 | 14.0 | 28.0 | 23.0 | 20.0 | 9.0 | 12.0 | 11.0 | 14.0 | 14.0 | 15.0 | 15.0 | 11.0 | 20.0 | 13.0 | 19.0 | 621.0 | 57.0 | 17.0 | 23.0 | 19.0 | 21.0 | 47.0 | 28.0 | 22.0 | 22.0 | 65.0 | 27.0 | 17.0 | 17.0 | 13.0 | 9.0 | 18.0 | 22.0 | 17.0 | 15.0 | 22.0 | 23.0 | 19.0 | 17.0 | 42.0 | 28.0 | 15.0 | 9.0 | 30.0 | 52.0 | 45.0 | 26.0 | 20.0 |
| 2 | 3C_zh.wikipedia.org_all-access_spider | 1.0 | 0.0 | 1.0 | 1.0 | 0.0 | 4.0 | 0.0 | 3.0 | 4.0 | 4.0 | 1.0 | 1.0 | 1.0 | 6.0 | 8.0 | 6.0 | 4.0 | 5.0 | 1.0 | 2.0 | 3.0 | 8.0 | 8.0 | 6.0 | 6.0 | 2.0 | 2.0 | 3.0 | 2.0 | 4.0 | 3.0 | 3.0 | 5.0 | 3.0 | 5.0 | 4.0 | 2.0 | 5.0 | 1.0 | 4.0 | 5.0 | 0.0 | 0.0 | 7.0 | 3.0 | 5.0 | 1.0 | 6.0 | 2.0 | 5.0 | 0.0 | 3.0 | 1.0 | 0.0 | 1.0 | 1.0 | 2.0 | 4.0 | 2.0 | 1.0 | 1.0 | 3.0 | 4.0 | 3.0 | 6.0 | 6.0 | 4.0 | 3.0 | 3.0 | 2.0 | 9.0 | 7.0 | 2.0 | 3.0 | 1.0 | 3.0 | 1.0 | 6.0 | 7.0 | 1.0 | 2.0 | 5.0 | 2.0 | 3.0 | 8.0 | 5.0 | 0.0 | 4.0 | 1.0 | 5.0 | 3.0 | 0.0 | 1.0 | 8.0 | 2.0 | 1.0 | 3.0 | 0.0 | 0.0 | 5.0 | 3.0 | 3.0 | 0.0 | 2.0 | 5.0 | 2.0 | 5.0 | 10.0 | 5.0 | 6.0 | 1.0 | 4.0 | 4.0 | 1.0 | 3.0 | 13.0 | 2.0 | 1.0 | 3.0 | 2.0 | 1.0 | 10.0 | 5.0 | 6.0 | 2.0 | 5.0 | 2.0 | 2.0 | 3.0 | 2.0 | 6.0 | 3.0 | 2.0 | 1.0 | 2.0 | 3.0 | 1.0 | 1.0 | 2.0 | 2.0 | 3.0 | 2.0 | 2.0 | 5.0 | 7.0 | 2.0 | 3.0 | 4.0 | 6.0 | 1.0 | 3.0 | 6.0 | 3.0 | 3.0 | 4.0 | 2.0 | 2.0 | 4.0 | 3.0 | 1.0 | 5.0 | 5.0 | 4.0 | 2.0 | 4.0 | 5.0 | 4.0 | 2.0 | 1.0 | 6.0 | 1.0 | 1.0 | 3.0 | 1.0 | 3.0 | 5.0 | 3.0 | 3.0 | 0.0 | 5.0 | 3.0 | 2.0 | 2.0 | 2.0 | 2.0 | 0.0 | 3.0 | 3.0 | 3.0 | 4.0 | 4.0 | 8.0 | 3.0 | 5.0 | 8.0 | 1.0 | 4.0 | 0.0 | 3.0 | 6.0 | 3.0 | 1.0 | 3.0 | 3.0 | 3.0 | 1.0 | 3.0 | 8.0 | 4.0 | 3.0 | 2.0 | 5.0 | 6.0 | 3.0 | 6.0 | 5.0 | 6.0 | 7.0 | 3.0 | 1.0 | 5.0 | 1.0 | 2.0 | 0.0 | 1.0 | 4.0 | 3.0 | 3.0 | 9.0 | 4.0 | 7.0 | 5.0 | 10.0 | 2.0 | 3.0 | 3.0 | 4.0 | 2.0 | 3.0 | 5.0 | 3.0 | 6.0 | 4.0 | 5.0 | 5.0 | 2.0 | 1.0 | 4.0 | 7.0 | 2.0 | 2.0 | 5.0 | 1.0 | 0.0 | 3.0 | 3.0 | 1.0 | 2.0 | 4.0 | 2.0 | 2.0 | 3.0 | 4.0 | 7.0 | 1.0 | 1.0 | 10.0 | 9.0 | 5.0 | 1.0 | 6.0 | 7.0 | 4.0 | 6.0 | 2.0 | 4.0 | 155.0 | 155.0 | 83.0 | 48.0 | 31.0 | 16.0 | 6.0 | 13.0 | 8.0 | 8.0 | 5.0 | 7.0 | 3.0 | 4.0 | 6.0 | 7.0 | 10.0 | 9.0 | 7.0 | 8.0 | 4.0 | 6.0 | 5.0 | 2.0 | 7.0 | 3.0 | 7.0 | 6.0 | 3.0 | 1.0 | 6.0 | 2.0 | 1.0 | 3.0 | 8.0 | 3.0 | 5.0 | 4.0 | 7.0 | 5.0 | 2.0 | 5.0 | 0.0 | 3.0 | 12.0 | 4.0 | 2.0 | 4.0 | 6.0 | 4.0 | 5.0 | 9.0 | 4.0 | 5.0 | 7.0 | 1.0 | 5.0 | 1.0 | 5.0 | 4.0 | 5.0 | 7.0 | 7.0 | 5.0 | 3.0 | 4.0 | 1.0 | 9.0 | 3.0 | 4.0 | 6.0 | 2.0 | 2.0 | 1.0 | 16.0 | 6.0 | 3.0 | 3.0 | 6.0 | 1.0 | 6.0 | 1.0 | 4.0 | 3.0 | 5.0 | 1.0 | 6.0 | 5.0 | 1.0 | 4.0 | 5.0 | 4.0 | 2.0 | 4.0 | 3.0 | 4.0 | 2.0 | 0.0 | 1.0 | 3.0 | 12.0 | 4.0 | 7.0 | 5.0 | 6.0 | 6.0 | 6.0 | 3.0 | 3.0 | 3.0 | 5.0 | 5.0 | 2.0 | 11.0 | 6.0 | 2.0 | 2.0 | 3.0 | 7.0 | 5.0 | 4.0 | 5.0 | 3.0 | 3.0 | 9.0 | 7.0 | 2.0 | 1.0 | 5.0 | 6.0 | 7.0 | 13.0 | 3.0 | 5.0 | 6.0 | 2.0 | 4.0 | 1.0 | 2.0 | 7.0 | 2.0 | 2.0 | 4.0 | 4.0 | 2.0 | 5.0 | 3.0 | 2.0 | 3.0 | 5.0 | 4.0 | 2.0 | 5.0 | 7.0 | 5.0 | 2.0 | 7.0 | 6.0 | 11.0 | 10.0 | 5.0 | 19.0 | 7.0 | 11.0 | 4.0 | 10.0 | 3.0 | 4.0 | 6.0 | 3.0 | 4.0 | 8.0 | 10.0 | 3.0 | 3.0 | 1.0 | 10.0 | 5.0 | 4.0 | 4.0 | 3.0 | 4.0 | 1.0 | 3.0 | 6.0 | 6.0 | 6.0 | 3.0 | 5.0 | 11.0 | 6.0 | 3.0 | 7.0 | 6.0 | 0.0 | 2.0 | 4.0 | 4.0 | 3.0 | 6.0 | 4.0 | 3.0 | 4.0 | 1.0 | 6.0 | 5.0 | 5.0 | 2.0 | 3.0 | 3.0 | 2.0 | 2.0 | 6.0 | 1.0 | 3.0 | 3.0 | 3.0 | 2.0 | 10.0 | 2.0 | 2.0 | 2.0 | 7.0 | 3.0 | 6.0 | 4.0 | 2.0 | 4.0 | 6.0 | 5.0 | 4.0 | 4.0 | 3.0 | 3.0 | 9.0 | 3.0 | 5.0 | 4.0 | 0.0 | 1.0 | 4.0 | 5.0 | 8.0 | 8.0 | 1.0 | 1.0 | 2.0 | 5.0 | 3.0 | 3.0 | 3.0 | 7.0 | 3.0 | 9.0 | 8.0 | 3.0 | 210.0 | 5.0 | 4.0 | 6.0 | 2.0 | 2.0 | 4.0 | 3.0 | 3.0 | 1.0 | 1.0 | 7.0 | 4.0 | 4.0 | 6.0 | 3.0 | 4.0 | 17.0 |
| 3 | 4minute_zh.wikipedia.org_all-access_spider | 35.0 | 13.0 | 10.0 | 94.0 | 4.0 | 26.0 | 14.0 | 9.0 | 11.0 | 16.0 | 16.0 | 11.0 | 23.0 | 145.0 | 14.0 | 17.0 | 85.0 | 4.0 | 30.0 | 22.0 | 9.0 | 10.0 | 11.0 | 7.0 | 7.0 | 11.0 | 9.0 | 11.0 | 44.0 | 8.0 | 14.0 | 19.0 | 10.0 | 17.0 | 17.0 | 10.0 | 7.0 | 10.0 | 1.0 | 8.0 | 27.0 | 19.0 | 16.0 | 2.0 | 84.0 | 22.0 | 14.0 | 47.0 | 25.0 | 14.0 | 11.0 | 12.0 | 27.0 | 8.0 | 17.0 | 43.0 | 3.0 | 19.0 | 14.0 | 20.0 | 43.0 | 4.0 | 5.0 | 37.0 | 23.0 | 14.0 | 12.0 | 13.0 | 22.0 | 12.0 | 12.0 | 6.0 | 27.0 | 5.0 | 7.0 | 24.0 | 8.0 | 9.0 | 10.0 | 12.0 | 19.0 | 7.0 | 7.0 | 18.0 | 15.0 | 7.0 | 9.0 | 10.0 | 9.0 | 14.0 | 8.0 | 17.0 | 6.0 | 8.0 | 7.0 | 5.0 | 3.0 | 9.0 | 5.0 | 6.0 | 8.0 | 8.0 | 11.0 | 6.0 | 7.0 | 28.0 | 15.0 | 8.0 | 7.0 | 7.0 | 12.0 | 5.0 | 11.0 | 3.0 | 7.0 | 23.0 | 6.0 | 3.0 | 8.0 | 8.0 | 39.0 | 4.0 | 10.0 | 6.0 | 8.0 | 9.0 | 16.0 | 9.0 | 8.0 | 8.0 | 7.0 | 5.0 | 5.0 | 12.0 | 8.0 | 15.0 | 9.0 | 12.0 | 5.0 | 7.0 | 6.0 | 12.0 | 7.0 | 6.0 | 33.0 | 5.0 | 11.0 | 6.0 | 4.0 | 32.0 | 9.0 | 17.0 | 2.0 | 10.0 | 10.0 | 5.0 | 7.0 | 11.0 | 8.0 | 10.0 | 6.0 | 17.0 | 11.0 | 20.0 | 11.0 | 15.0 | 18.0 | 10.0 | 15.0 | 12.0 | 12.0 | 12.0 | 8.0 | 13.0 | 9.0 | 11.0 | 4.0 | 12.0 | 9.0 | 6.0 | 12.0 | 9.0 | 9.0 | 6.0 | 7.0 | 7.0 | 11.0 | 7.0 | 14.0 | 9.0 | 21.0 | 9.0 | 10.0 | 13.0 | 10.0 | 13.0 | 16.0 | 8.0 | 10.0 | 7.0 | 13.0 | 18.0 | 8.0 | 50.0 | 8.0 | 33.0 | 6.0 | 22.0 | 9.0 | 84.0 | 28.0 | 11.0 | 7.0 | 14.0 | 16.0 | 49.0 | 71.0 | 29.0 | 22.0 | 6.0 | 34.0 | 16.0 | 14.0 | 9.0 | 12.0 | 24.0 | 18.0 | 8.0 | 26.0 | 8.0 | 8.0 | 13.0 | 21.0 | 9.0 | 10.0 | 14.0 | 12.0 | 9.0 | 10.0 | 20.0 | 15.0 | 26.0 | 24.0 | 19.0 | 10.0 | 12.0 | 8.0 | 16.0 | 13.0 | 8.0 | 17.0 | 12.0 | 34.0 | 10.0 | 9.0 | 9.0 | 15.0 | 10.0 | 12.0 | 8.0 | 11.0 | 9.0 | 28.0 | 17.0 | 11.0 | 13.0 | 10.0 | 10.0 | 10.0 | 16.0 | 12.0 | 12.0 | 13.0 | 25.0 | 25.0 | 18.0 | 18.0 | 23.0 | 27.0 | 39.0 | 11.0 | 16.0 | 9.0 | 26.0 | 14.0 | 15.0 | 10.0 | 23.0 | 17.0 | 74.0 | 114.0 | 8.0 | 15.0 | 15.0 | 15.0 | 12.0 | 14.0 | 14.0 | 23.0 | 21.0 | 11.0 | 19.0 | 9.0 | 10.0 | 11.0 | 14.0 | 9.0 | 5.0 | 10.0 | 20.0 | 22.0 | 16.0 | 9.0 | 10.0 | 42.0 | 22.0 | 7.0 | 7.0 | 54.0 | 7.0 | 9.0 | 13.0 | 5.0 | 10.0 | 12.0 | 18.0 | 23.0 | 23.0 | 17.0 | 6.0 | 14.0 | 13.0 | 13.0 | 9.0 | 11.0 | 35.0 | 8.0 | 12.0 | 15.0 | 10.0 | 25.0 | 9.0 | 8.0 | 8.0 | 10.0 | 14.0 | 9.0 | 11.0 | 303.0 | 29.0 | 121.0 | 69.0 | 39.0 | 25.0 | 27.0 | 54.0 | 39.0 | 24.0 | 22.0 | 20.0 | 14.0 | 12.0 | 8.0 | 17.0 | 11.0 | 15.0 | 19.0 | 20.0 | 11.0 | 36.0 | 19.0 | 35.0 | 22.0 | 14.0 | 17.0 | 15.0 | 12.0 | 34.0 | 20.0 | 25.0 | 15.0 | 18.0 | 19.0 | 13.0 | 17.0 | 16.0 | 11.0 | 22.0 | 43.0 | 8.0 | 13.0 | 16.0 | 8.0 | 19.0 | 14.0 | 9.0 | 13.0 | 13.0 | 16.0 | 10.0 | 10.0 | 11.0 | 17.0 | 32.0 | 21.0 | 16.0 | 23.0 | 15.0 | 55.0 | 17.0 | 17.0 | 15.0 | 7.0 | 13.0 | 11.0 | 11.0 | 8.0 | 22.0 | 5.0 | 7.0 | 18.0 | 9.0 | 13.0 | 27.0 | 15.0 | 19.0 | 7.0 | 9.0 | 14.0 | 14.0 | 9.0 | 16.0 | 11.0 | 7.0 | 14.0 | 13.0 | 11.0 | 9.0 | 9.0 | 9.0 | 11.0 | 15.0 | 28.0 | 10.0 | 24.0 | 8.0 | 20.0 | 19.0 | 12.0 | 31.0 | 14.0 | 9.0 | 40.0 | 15.0 | 83.0 | 60.0 | 19.0 | 15.0 | 15.0 | 12.0 | 23.0 | 17.0 | 20.0 | 26.0 | 11.0 | 13.0 | 9.0 | 44.0 | 7.0 | 18.0 | 4.0 | 36.0 | 34.0 | 10.0 | 8.0 | 21.0 | 7.0 | 6.0 | 12.0 | 15.0 | 9.0 | 13.0 | 21.0 | 13.0 | 10.0 | 21.0 | 15.0 | 103.0 | 22.0 | 15.0 | 12.0 | 11.0 | 15.0 | 7.0 | 12.0 | 13.0 | 9.0 | 8.0 | 21.0 | 16.0 | 38.0 | 13.0 | 14.0 | 17.0 | 26.0 | 14.0 | 10.0 | 9.0 | 23.0 | 15.0 | 7.0 | 10.0 | 7.0 | 10.0 | 14.0 | 17.0 | 11.0 | 9.0 | 11.0 | 5.0 | 10.0 | 8.0 | 17.0 | 13.0 | 23.0 | 40.0 | 16.0 | 17.0 | 41.0 | 17.0 | 8.0 | 9.0 | 18.0 | 12.0 | 12.0 | 18.0 | 13.0 | 18.0 | 23.0 | 10.0 | 32.0 | 10.0 | 26.0 | 27.0 | 16.0 | 11.0 | 17.0 | 19.0 | 10.0 | 11.0 |
| 4 | 52_Hz_I_Love_You_zh.wikipedia.org_all-access_s... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 38.0 | 159.0 | 9.0 | 4.0 | 1.0 | 10.0 | 9.0 | 2.0 | 0.0 | 5.0 | 0.0 | 3.0 | 55.0 | 234.0 | 57.0 | 5.0 | 4.0 | 4.0 | 0.0 | 9.0 | 9.0 | 6.0 | 6.0 | 6.0 | 10.0 | 7.0 | 5.0 | 4.0 | 6.0 | 4.0 | 2.0 | 6.0 | 5.0 | 3.0 | 3.0 | 2.0 | 5.0 | 5.0 | 8.0 | 8.0 | 6.0 | 3.0 | 7.0 | 7.0 | 6.0 | 6.0 | 2.0 | 8.0 | 3.0 | 7.0 | 8.0 | 3.0 | 4.0 | 5.0 | 2.0 | 1.0 | 1.0 | 1.0 | 2.0 | 8.0 | 6.0 | 1.0 | 0.0 | 4.0 | 2.0 | 6.0 | 2.0 | 2.0 | 2.0 | 1.0 | 5.0 | 2.0 | 2.0 | 2.0 | 3.0 | 10.0 | 1.0 | 3.0 | 4.0 | 2.0 | 3.0 | 4.0 | 1.0 | 1.0 | 9.0 | 0.0 | 1.0 | 6.0 | 2.0 | 5.0 | 2.0 | 2.0 | 3.0 | 2.0 | 11.0 | 1.0 | 4.0 | 4.0 | 2.0 | 10.0 | 5.0 | 3.0 | 10.0 | 2.0 | 5.0 | 7.0 | 2.0 | 5.0 | 8.0 | 2.0 | 5.0 | 1.0 | 1.0 | 2.0 | 6.0 | 6.0 | 2.0 | 1.0 | 3.0 | 2.0 | 3.0 | 4.0 | 3.0 | 2.0 | 0.0 | 13.0 | 4.0 | 2.0 | 4.0 | 3.0 | 3.0 | 1.0 | 3.0 | 5.0 | 2.0 | 3.0 | 2.0 | 4.0 | 3.0 | 39.0 | 4.0 | 3.0 | 1.0 | 5.0 | 5.0 | 5.0 | 5.0 | 8.0 | 15.0 | 13.0 | 63.0 | 2.0 | 2.0 | 3.0 | 6.0 | 10.0 | 2.0 | 8.0 | 4.0 | 3.0 | 3.0 | 6.0 | 4.0 | 1.0 | 5.0 | 9.0 | 1.0 | 6.0 | 4.0 | 0.0 | 4.0 | 9.0 | 6.0 | 8.0 | 13.0 | 4.0 | 7.0 | 6.0 | 9.0 | 3.0 | 21.0 | 6.0 | 13.0 | 10.0 | 2.0 | 3.0 | 6.0 | 7.0 | 10.0 | 6.0 | 6.0 | 4.0 | 173.0 | 5.0 | 10.0 | 10.0 | 18.0 | 20.0 | 11.0 | 5.0 | 6.0 | 33.0 | 13.0 | 10.0 | 22.0 | 11.0 | 8.0 | 4.0 | 10.0 | 13.0 | 11.0 | 8.0 | 6.0 | 10.0 | 14.0 | 6.0 | 9.0 | 6.0 | 16.0 | 14.0 | 13.0 | 15.0 | 14.0 | 16.0 | 9.0 | 178.0 | 64.0 | 12.0 | 10.0 | 11.0 | 6.0 | 8.0 | 7.0 | 9.0 | 8.0 | 5.0 | 11.0 | 8.0 | 4.0 | 15.0 | 5.0 | 8.0 | 8.0 | 6.0 | 7.0 | 15.0 | 4.0 | 11.0 | 7.0 | 48.0 | 9.0 | 25.0 | 13.0 | 3.0 | 11.0 | 27.0 | 13.0 | 36.0 | 10.0 |
| 5 | 5566_zh.wikipedia.org_all-access_spider | 12.0 | 7.0 | 4.0 | 5.0 | 20.0 | 8.0 | 5.0 | 17.0 | 24.0 | 7.0 | 12.0 | 11.0 | 7.0 | 9.0 | 6.0 | 10.0 | 8.0 | 13.0 | 3.0 | 14.0 | 4.0 | 9.0 | 14.0 | 10.0 | 8.0 | 3.0 | 74.0 | 17.0 | 8.0 | 6.0 | 9.0 | 3.0 | 10.0 | 21.0 | 9.0 | 5.0 | 3.0 | 4.0 | 1.0 | 7.0 | 3.0 | 15.0 | 5.0 | 6.0 | 9.0 | 4.0 | 6.0 | 7.0 | 9.0 | 11.0 | 11.0 | 2.0 | 3.0 | 7.0 | 23.0 | 4.0 | 8.0 | 8.0 | 10.0 | 5.0 | 8.0 | 4.0 | 4.0 | 8.0 | 18.0 | 6.0 | 4.0 | 9.0 | 6.0 | 8.0 | 5.0 | 11.0 | 5.0 | 10.0 | 25.0 | 29.0 | 3.0 | 10.0 | 9.0 | 16.0 | 13.0 | 7.0 | 22.0 | 9.0 | 9.0 | 17.0 | 10.0 | 24.0 | 13.0 | 23.0 | 12.0 | 2.0 | 14.0 | 13.0 | 25.0 | 13.0 | 12.0 | 11.0 | 8.0 | 5.0 | 30.0 | 6.0 | 10.0 | 10.0 | 10.0 | 6.0 | 8.0 | 13.0 | 21.0 | 29.0 | 38.0 | 6.0 | 22.0 | 10.0 | 6.0 | 11.0 | 13.0 | 6.0 | 8.0 | 14.0 | 16.0 | 16.0 | 4.0 | 12.0 | 7.0 | 9.0 | 9.0 | 8.0 | 11.0 | 8.0 | 17.0 | 7.0 | 4.0 | 11.0 | 8.0 | 4.0 | 3.0 | 22.0 | 9.0 | 6.0 | 13.0 | 12.0 | 12.0 | 8.0 | 7.0 | 25.0 | 7.0 | 11.0 | 9.0 | 5.0 | 21.0 | 6.0 | 12.0 | 5.0 | 12.0 | 9.0 | 7.0 | 11.0 | 73.0 | 14.0 | 4.0 | 12.0 | 11.0 | 5.0 | 20.0 | 7.0 | 6.0 | 9.0 | 17.0 | 14.0 | 17.0 | 10.0 | 16.0 | 8.0 | 8.0 | 14.0 | 13.0 | 14.0 | 13.0 | 7.0 | 14.0 | 10.0 | 16.0 | 14.0 | 10.0 | 9.0 | 8.0 | 14.0 | 5.0 | 10.0 | 11.0 | 22.0 | 13.0 | 9.0 | 10.0 | 12.0 | 15.0 | 14.0 | 11.0 | 9.0 | 12.0 | 6.0 | 18.0 | 11.0 | 20.0 | 16.0 | 14.0 | 15.0 | 11.0 | 12.0 | 17.0 | 11.0 | 19.0 | 13.0 | 13.0 | 7.0 | 24.0 | 8.0 | 6.0 | 9.0 | 12.0 | 5.0 | 10.0 | 5.0 | 8.0 | 2.0 | 9.0 | 10.0 | 10.0 | 15.0 | 18.0 | 19.0 | 45.0 | 6.0 | 13.0 | 40.0 | 14.0 | 11.0 | 8.0 | 5.0 | 17.0 | 16.0 | 13.0 | 22.0 | 16.0 | 10.0 | 11.0 | 18.0 | 53.0 | 213.0 | 20.0 | 19.0 | 15.0 | 4.0 | 8.0 | 14.0 | 8.0 | 11.0 | 15.0 | 13.0 | 8.0 | 11.0 | 7.0 | 12.0 | 22.0 | 19.0 | 9.0 | 11.0 | 11.0 | 8.0 | 11.0 | 14.0 | 17.0 | 13.0 | 12.0 | 14.0 | 8.0 | 18.0 | 20.0 | 28.0 | 19.0 | 21.0 | 21.0 | 26.0 | 17.0 | 27.0 | 22.0 | 20.0 | 33.0 | 21.0 | 17.0 | 14.0 | 8.0 | 8.0 | 10.0 | 14.0 | 28.0 | 23.0 | 26.0 | 11.0 | 28.0 | 6.0 | 18.0 | 18.0 | 19.0 | 11.0 | 11.0 | 18.0 | 16.0 | 25.0 | 19.0 | 8.0 | 13.0 | 14.0 | 12.0 | 8.0 | 16.0 | 13.0 | 14.0 | 14.0 | 8.0 | 9.0 | 13.0 | 15.0 | 20.0 | 15.0 | 13.0 | 16.0 | 8.0 | 21.0 | 14.0 | 22.0 | 5.0 | 10.0 | 9.0 | 15.0 | 19.0 | 14.0 | 8.0 | 34.0 | 9.0 | 10.0 | 11.0 | 17.0 | 18.0 | 27.0 | 15.0 | 16.0 | 28.0 | 13.0 | 31.0 | 24.0 | 19.0 | 8.0 | 9.0 | 12.0 | 19.0 | 11.0 | 11.0 | 23.0 | 17.0 | 13.0 | 12.0 | 12.0 | 16.0 | 9.0 | 4.0 | 7.0 | 14.0 | 8.0 | 9.0 | 9.0 | 17.0 | 22.0 | 11.0 | 20.0 | 11.0 | 15.0 | 10.0 | 15.0 | 7.0 | 15.0 | 12.0 | 14.0 | 8.0 | 11.0 | 14.0 | 10.0 | 26.0 | 28.0 | 19.0 | 16.0 | 12.0 | 7.0 | 20.0 | 13.0 | 10.0 | 18.0 | 12.0 | 26.0 | 12.0 | 12.0 | 13.0 | 14.0 | 29.0 | 15.0 | 18.0 | 48.0 | 14.0 | 21.0 | 14.0 | 20.0 | 8.0 | 10.0 | 21.0 | 19.0 | 7.0 | 10.0 | 18.0 | 11.0 | 18.0 | 15.0 | 12.0 | 10.0 | 8.0 | 12.0 | 15.0 | 9.0 | 19.0 | 19.0 | 16.0 | 13.0 | 17.0 | 16.0 | 17.0 | 16.0 | 44.0 | 16.0 | 19.0 | 6.0 | 11.0 | 23.0 | 30.0 | 13.0 | 14.0 | 17.0 | 15.0 | 15.0 | 15.0 | 18.0 | 15.0 | 22.0 | 19.0 | 18.0 | 15.0 | 19.0 | 15.0 | 20.0 | 27.0 | 15.0 | 59.0 | 28.0 | 15.0 | 18.0 | 16.0 | 78.0 | 97.0 | 35.0 | 40.0 | 97.0 | 49.0 | 24.0 | 29.0 | 42.0 | 30.0 | 30.0 | 38.0 | 25.0 | 18.0 | 27.0 | 27.0 | 32.0 | 27.0 | 25.0 | 15.0 | 15.0 | 19.0 | 102.0 | 23.0 | 26.0 | 21.0 | 25.0 | 53.0 | 13.0 | 22.0 | 33.0 | 19.0 | 18.0 | 21.0 | 24.0 | 22.0 | 21.0 | 18.0 | 30.0 | 20.0 | 12.0 | 17.0 | 12.0 | 122.0 | 31.0 | 16.0 | 15.0 | 16.0 | 23.0 | 30.0 | 12.0 | 6.0 | 17.0 | 17.0 | 18.0 | 15.0 | 19.0 | 35.0 | 16.0 | 25.0 | 13.0 | 19.0 | 15.0 | 25.0 | 135.0 | 22.0 | 18.0 | 12.0 | 21.0 | 16.0 | 52.0 | 24.0 | 15.0 | 28.0 | 17.0 | 16.0 | 27.0 | 8.0 | 17.0 | 32.0 | 19.0 | 23.0 | 17.0 | 17.0 | 50.0 |
| 6 | 91Days_zh.wikipedia.org_all-access_spider | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 61.0 | 5.0 | 18.0 | 26.0 | 3.0 | 10.0 | 5.0 | 2.0 | 16.0 | 40.0 | 57.0 | 86.0 | 8.0 | 9.0 | 9.0 | 3.0 | 22.0 | 38.0 | 18.0 | 10.0 | 18.0 | 14.0 | 9.0 | 11.0 | 12.0 | 6.0 | 10.0 | 59.0 | 15.0 | 9.0 | 86.0 | 10.0 | 121.0 | 26.0 | 12.0 | 8.0 | 11.0 | 76.0 | 50.0 | 23.0 | 7.0 | 11.0 | 14.0 | 11.0 | 54.0 | 30.0 | 37.0 | 6.0 | 9.0 | 19.0 | 15.0 | 23.0 | 97.0 | 11.0 | 26.0 | 9.0 | 10.0 | 21.0 | 30.0 | 38.0 | 8.0 | 11.0 | 14.0 | 11.0 | 32.0 | 54.0 | 65.0 | 22.0 | 28.0 | 21.0 | 12.0 | 12.0 | 15.0 | 18.0 | 4.0 | 7.0 | 10.0 | 30.0 | 16.0 | 45.0 | 30.0 | 15.0 | 33.0 | 12.0 | 4.0 | 6.0 | 18.0 | 10.0 | 43.0 | 10.0 | 52.0 | 28.0 | 30.0 | 83.0 | 46.0 | 20.0 | 10.0 | 11.0 | 28.0 | 10.0 | 27.0 | 7.0 | 10.0 | 18.0 | 12.0 | 12.0 | 11.0 | 21.0 | 40.0 | 13.0 | 14.0 | 11.0 | 8.0 | 12.0 | 13.0 | 8.0 | 47.0 | 32.0 | 96.0 | 9.0 | 14.0 | 17.0 | 42.0 | 17.0 | 7.0 | 20.0 | 12.0 | 10.0 | 5.0 | 87.0 | 26.0 | 46.0 | 11.0 | 9.0 | 7.0 | 11.0 | 7.0 | 8.0 | 14.0 | 9.0 | 8.0 | 3.0 | 7.0 | 7.0 | 8.0 | 10.0 | 6.0 | 10.0 | 9.0 | 6.0 | 15.0 | 7.0 | 8.0 | 9.0 | 6.0 | 6.0 | 4.0 | 18.0 | 11.0 | 12.0 | 8.0 | 7.0 | 15.0 | 13.0 | 1.0 | 8.0 | 15.0 | 6.0 | 10.0 | 16.0 | 3.0 | 9.0 | 4.0 | 7.0 | 7.0 | 2.0 | 7.0 | 33.0 | 8.0 | 11.0 | 4.0 | 15.0 | 6.0 | 8.0 | 6.0 |
| 7 | A'N'D_zh.wikipedia.org_all-access_spider | 118.0 | 26.0 | 30.0 | 24.0 | 29.0 | 127.0 | 53.0 | 37.0 | 20.0 | 32.0 | 17.0 | 23.0 | 47.0 | 33.0 | 47.0 | 58.0 | 29.0 | 187.0 | 128.0 | 34.0 | 38.0 | 8.0 | 38.0 | 17.0 | 45.0 | 14.0 | 15.0 | 56.0 | 30.0 | 15.0 | 115.0 | 6.0 | 25.0 | 10.0 | 135.0 | 40.0 | 63.0 | 32.0 | 35.0 | 65.0 | 14.0 | 21.0 | 35.0 | 50.0 | 49.0 | 38.0 | 12.0 | 37.0 | 87.0 | 66.0 | 90.0 | 64.0 | 402.0 | 86.0 | 90.0 | 30.0 | 86.0 | 61.0 | 7.0 | 44.0 | 7.0 | 15.0 | 11.0 | 61.0 | 9.0 | 23.0 | 31.0 | 154.0 | 11.0 | 16.0 | 5.0 | 6.0 | 7.0 | 5.0 | 4.0 | 9.0 | 12.0 | 31.0 | 11.0 | 11.0 | 10.0 | 21.0 | 7.0 | 9.0 | 5.0 | 1.0 | 68.0 | 9.0 | 4.0 | 10.0 | 44.0 | 34.0 | 59.0 | 53.0 | 12.0 | 71.0 | 26.0 | 79.0 | 21.0 | 80.0 | 43.0 | 32.0 | 72.0 | 62.0 | 12.0 | 6.0 | 14.0 | 4.0 | 69.0 | 25.0 | 18.0 | 3.0 | 8.0 | 5.0 | 12.0 | 18.0 | 8.0 | 45.0 | 13.0 | 3.0 | 19.0 | 43.0 | 31.0 | 15.0 | 40.0 | 63.0 | 27.0 | 3.0 | 29.0 | 20.0 | 12.0 | 12.0 | 2.0 | 5.0 | 18.0 | 6.0 | 25.0 | 13.0 | 57.0 | 5.0 | 4.0 | 1.0 | 110.0 | 93.0 | 142.0 | 114.0 | 140.0 | 37.0 | 6.0 | 30.0 | 96.0 | 18.0 | 66.0 | 25.0 | 3.0 | 9.0 | 153.0 | 246.0 | 100.0 | 38.0 | 40.0 | 24.0 | 6.0 | 7.0 | 21.0 | 88.0 | 57.0 | 21.0 | 16.0 | 34.0 | 18.0 | 27.0 | 13.0 | 80.0 | 26.0 | 7.0 | 11.0 | 15.0 | 12.0 | 19.0 | 9.0 | 19.0 | 17.0 | 32.0 | 156.0 | 84.0 | 61.0 | 33.0 | 18.0 | 25.0 | 270.0 | 108.0 | 39.0 | 31.0 | 242.0 | 45.0 | 51.0 | 99.0 | 35.0 | 52.0 | 46.0 | 45.0 | 26.0 | 29.0 | 33.0 | 43.0 | 38.0 | 25.0 | 23.0 | 38.0 | 35.0 | 27.0 | 40.0 | 24.0 | 68.0 | 22.0 | 40.0 | 13.0 | 19.0 | 43.0 | 26.0 | 22.0 | 13.0 | 75.0 | 25.0 | 30.0 | 39.0 | 5.0 | 43.0 | 24.0 | 41.0 | 266.0 | 15.0 | 15.0 | 17.0 | 63.0 | 39.0 | 35.0 | 31.0 | 32.0 | 26.0 | 77.0 | 25.0 | 111.0 | 22.0 | 35.0 | 15.0 | 28.0 | 21.0 | 20.0 | 17.0 | 10.0 | 12.0 | 9.0 | 36.0 | 21.0 | 14.0 | 36.0 | 8.0 | 20.0 | 11.0 | 54.0 | 8.0 | 7.0 | 15.0 | 53.0 | 14.0 | 20.0 | 17.0 | 20.0 | 14.0 | 11.0 | 18.0 | 15.0 | 28.0 | 39.0 | 19.0 | 23.0 | 22.0 | 14.0 | 13.0 | 47.0 | 8.0 | 12.0 | 10.0 | 8.0 | 22.0 | 16.0 | 12.0 | 19.0 | 11.0 | 46.0 | 15.0 | 16.0 | 30.0 | 17.0 | 18.0 | 32.0 | 17.0 | 141.0 | 150.0 | 13.0 | 107.0 | 30.0 | 23.0 | 12.0 | 17.0 | 28.0 | 24.0 | 73.0 | 88.0 | 17.0 | 27.0 | 50.0 | 29.0 | 51.0 | 28.0 | 78.0 | 24.0 | 7.0 | 25.0 | 8.0 | 24.0 | 58.0 | 24.0 | 36.0 | 37.0 | 52.0 | 14.0 | 19.0 | 5.0 | 11.0 | 15.0 | 27.0 | 11.0 | 38.0 | 23.0 | 188.0 | 27.0 | 141.0 | 52.0 | 40.0 | 62.0 | 12.0 | 13.0 | 148.0 | 133.0 | 26.0 | 9.0 | 17.0 | 42.0 | 50.0 | 45.0 | 33.0 | 34.0 | 27.0 | 19.0 | 14.0 | 12.0 | 16.0 | 94.0 | 61.0 | 23.0 | 37.0 | 15.0 | 35.0 | 33.0 | 128.0 | 11.0 | 26.0 | 21.0 | 44.0 | 27.0 | 16.0 | 14.0 | 37.0 | 75.0 | 39.0 | 42.0 | 34.0 | 63.0 | 68.0 | 114.0 | 194.0 | 229.0 | 153.0 | 44.0 | 192.0 | 55.0 | 54.0 | 102.0 | 81.0 | 91.0 | 76.0 | 37.0 | 52.0 | 136.0 | 9.0 | 88.0 | 113.0 | 123.0 | 176.0 | 520.0 | 123.0 | 93.0 | 43.0 | 37.0 | 137.0 | 35.0 | 64.0 | 59.0 | 87.0 | 84.0 | 67.0 | 138.0 | 156.0 | 62.0 | 200.0 | 73.0 | 110.0 | 135.0 | 145.0 | 151.0 | 87.0 | 66.0 | 92.0 | 85.0 | 77.0 | 87.0 | 91.0 | 23.0 | 48.0 | 87.0 | 37.0 | 35.0 | 53.0 | 56.0 | 49.0 | 35.0 | 66.0 | 44.0 | 43.0 | 64.0 | 193.0 | 43.0 | 147.0 | 75.0 | 66.0 | 27.0 | 18.0 | 120.0 | 29.0 | 25.0 | 64.0 | 65.0 | 90.0 | 44.0 | 70.0 | 29.0 | 64.0 | 62.0 | 33.0 | 27.0 | 42.0 | 68.0 | 20.0 | 85.0 | 56.0 | 58.0 | 21.0 | 104.0 | 54.0 | 78.0 | 113.0 | 41.0 | 48.0 | 31.0 | 21.0 | 56.0 | 52.0 | 89.0 | 83.0 | 44.0 | 80.0 | 53.0 | 38.0 | 102.0 | 54.0 | 41.0 | 77.0 | 73.0 | 21.0 | 77.0 | 107.0 | 185.0 | 33.0 | 150.0 | 42.0 | 80.0 | 70.0 | 81.0 | 59.0 | 19.0 | 55.0 | 48.0 | 44.0 | 21.0 | 58.0 | 141.0 | 115.0 | 30.0 | 74.0 | 11.0 | 49.0 | 28.0 | 62.0 | 28.0 | 30.0 | 32.0 | 59.0 | 17.0 | 38.0 | 76.0 | 97.0 | 18.0 | 163.0 | 39.0 | 33.0 | 23.0 | 16.0 | 102.0 | 22.0 | 52.0 | 39.0 | 125.0 | 189.0 | 49.0 | 55.0 | 26.0 | 77.0 | 64.0 | 35.0 | 35.0 | 28.0 | 20.0 | 23.0 | 32.0 | 39.0 | 32.0 | 17.0 |
| 8 | AKB48_zh.wikipedia.org_all-access_spider | 5.0 | 23.0 | 14.0 | 12.0 | 9.0 | 9.0 | 35.0 | 15.0 | 14.0 | 22.0 | 8.0 | 16.0 | 18.0 | 12.0 | 14.0 | 14.0 | 7.0 | 7.0 | 20.0 | 82.0 | 8.0 | 17.0 | 18.0 | 15.0 | 23.0 | 11.0 | 20.0 | 35.0 | 20.0 | 11.0 | 13.0 | 11.0 | 13.0 | 20.0 | 47.0 | 25.0 | 93.0 | 13.0 | 18.0 | 24.0 | 8.0 | 13.0 | 6.0 | 12.0 | 5.0 | 44.0 | 15.0 | 13.0 | 19.0 | 12.0 | 6.0 | 11.0 | 12.0 | 24.0 | 27.0 | 60.0 | 11.0 | 18.0 | 10.0 | 15.0 | 12.0 | 37.0 | 18.0 | 15.0 | 7.0 | 25.0 | 20.0 | 14.0 | 14.0 | 14.0 | 13.0 | 7.0 | 15.0 | 12.0 | 15.0 | 7.0 | 15.0 | 32.0 | 15.0 | 23.0 | 78.0 | 107.0 | 25.0 | 55.0 | 7.0 | 41.0 | 31.0 | 25.0 | 22.0 | 14.0 | 16.0 | 22.0 | 20.0 | 26.0 | 21.0 | 25.0 | 53.0 | 22.0 | 20.0 | 15.0 | 32.0 | 25.0 | 40.0 | 26.0 | 14.0 | 19.0 | 28.0 | 25.0 | 23.0 | 35.0 | 28.0 | 11.0 | 25.0 | 19.0 | 21.0 | 28.0 | 29.0 | 36.0 | 63.0 | 61.0 | 38.0 | 38.0 | 48.0 | 70.0 | 30.0 | 39.0 | 19.0 | 38.0 | 44.0 | 25.0 | 32.0 | 33.0 | 23.0 | 16.0 | 13.0 | 20.0 | 31.0 | 16.0 | 24.0 | 24.0 | 22.0 | 15.0 | 43.0 | 34.0 | 37.0 | 41.0 | 50.0 | 59.0 | 46.0 | 72.0 | 31.0 | 28.0 | 17.0 | 42.0 | 54.0 | 59.0 | 13.0 | 23.0 | 31.0 | 44.0 | 40.0 | 32.0 | 27.0 | 28.0 | 31.0 | 39.0 | 15.0 | 56.0 | 131.0 | 27.0 | 40.0 | 27.0 | 32.0 | 25.0 | 38.0 | 36.0 | 46.0 | 26.0 | 42.0 | 20.0 | 34.0 | 27.0 | 26.0 | 46.0 | 44.0 | 48.0 | 33.0 | 21.0 | 47.0 | 32.0 | 19.0 | 20.0 | 30.0 | 37.0 | 45.0 | 24.0 | 38.0 | 31.0 | 39.0 | 35.0 | 32.0 | 32.0 | 44.0 | 50.0 | 54.0 | 31.0 | 30.0 | 24.0 | 33.0 | 25.0 | 24.0 | 38.0 | 34.0 | 47.0 | 31.0 | 34.0 | 41.0 | 42.0 | 39.0 | 24.0 | 18.0 | 28.0 | 25.0 | 24.0 | 76.0 | 46.0 | 29.0 | 37.0 | 92.0 | 157.0 | 42.0 | 38.0 | 37.0 | 40.0 | 28.0 | 68.0 | 41.0 | 29.0 | 104.0 | 28.0 | 24.0 | 33.0 | 44.0 | 39.0 | 39.0 | 40.0 | 31.0 | 43.0 | 52.0 | 56.0 | 55.0 | 52.0 | 25.0 | 18.0 | 18.0 | 28.0 | 17.0 | 31.0 | 35.0 | 64.0 | 69.0 | 24.0 | 16.0 | 34.0 | 28.0 | 42.0 | 24.0 | 43.0 | 22.0 | 114.0 | 41.0 | 23.0 | 28.0 | 37.0 | 33.0 | 38.0 | 73.0 | 28.0 | 28.0 | 25.0 | 27.0 | 28.0 | 36.0 | 76.0 | 35.0 | 66.0 | 61.0 | 68.0 | 32.0 | 48.0 | 27.0 | 39.0 | 57.0 | 43.0 | 31.0 | 37.0 | 27.0 | 26.0 | 22.0 | 62.0 | 25.0 | 27.0 | 25.0 | 15.0 | 25.0 | 40.0 | 26.0 | 26.0 | 34.0 | 40.0 | 107.0 | 45.0 | 44.0 | 35.0 | 42.0 | 37.0 | 143.0 | 36.0 | 34.0 | 25.0 | 16.0 | 22.0 | 27.0 | 22.0 | 32.0 | 39.0 | 28.0 | 29.0 | 33.0 | 19.0 | 35.0 | 21.0 | 46.0 | 34.0 | 30.0 | 26.0 | 28.0 | 28.0 | 17.0 | 34.0 | 45.0 | 37.0 | 23.0 | 27.0 | 71.0 | 203.0 | 47.0 | 32.0 | 44.0 | 45.0 | 41.0 | 29.0 | 37.0 | 84.0 | 58.0 | 33.0 | 59.0 | 52.0 | 47.0 | 31.0 | 34.0 | 42.0 | 28.0 | 40.0 | 40.0 | 35.0 | 33.0 | 108.0 | 27.0 | 50.0 | 43.0 | 56.0 | 35.0 | 35.0 | 29.0 | 33.0 | 37.0 | 70.0 | 48.0 | 34.0 | 48.0 | 28.0 | 35.0 | 27.0 | 48.0 | 40.0 | 37.0 | 41.0 | 26.0 | 42.0 | 24.0 | 25.0 | 42.0 | 56.0 | 28.0 | 41.0 | 54.0 | 58.0 | 40.0 | 31.0 | 34.0 | 21.0 | 47.0 | 29.0 | 44.0 | 65.0 | 28.0 | 35.0 | 22.0 | 37.0 | 43.0 | 34.0 | 18.0 | 24.0 | 33.0 | 27.0 | 38.0 | 18.0 | 27.0 | 28.0 | 60.0 | 31.0 | 40.0 | 30.0 | 36.0 | 35.0 | 21.0 | 27.0 | 26.0 | 29.0 | 22.0 | 35.0 | 22.0 | 31.0 | 24.0 | 34.0 | 15.0 | 47.0 | 45.0 | 27.0 | 36.0 | 27.0 | 29.0 | 32.0 | 32.0 | 33.0 | 30.0 | 27.0 | 29.0 | 34.0 | 31.0 | 27.0 | 28.0 | 25.0 | 24.0 | 34.0 | 34.0 | 28.0 | 50.0 | 23.0 | 47.0 | 24.0 | 37.0 | 19.0 | 19.0 | 28.0 | 42.0 | 40.0 | 29.0 | 29.0 | 45.0 | 24.0 | 24.0 | 29.0 | 49.0 | 23.0 | 32.0 | 17.0 | 26.0 | 30.0 | 19.0 | 35.0 | 44.0 | 30.0 | 40.0 | 23.0 | 26.0 | 43.0 | 42.0 | 19.0 | 29.0 | 24.0 | 72.0 | 35.0 | 27.0 | 89.0 | 52.0 | 30.0 | 25.0 | 60.0 | 25.0 | 63.0 | 32.0 | 44.0 | 25.0 | 27.0 | 23.0 | 34.0 | 90.0 | 82.0 | 30.0 | 33.0 | 28.0 | 25.0 | 30.0 | 40.0 | 20.0 | 65.0 | 45.0 | 26.0 | 18.0 | 74.0 | 71.0 | 35.0 | 33.0 | 22.0 | 100.0 | 119.0 | 26.0 | 59.0 | 81.0 | 20.0 | 31.0 | 31.0 | 30.0 | 59.0 | 111.0 | 32.0 | 34.0 | 31.0 | 34.0 | 105.0 | 72.0 | 36.0 | 33.0 | 30.0 | 36.0 | 38.0 | 31.0 | 97.0 |
| 9 | ASCII_zh.wikipedia.org_all-access_spider | 6.0 | 3.0 | 5.0 | 12.0 | 6.0 | 5.0 | 4.0 | 13.0 | 9.0 | 15.0 | 18.0 | 7.0 | 8.0 | 12.0 | 25.0 | 23.0 | 6.0 | 10.0 | 7.0 | 3.0 | 17.0 | 10.0 | 16.0 | 10.0 | 7.0 | 6.0 | 15.0 | 12.0 | 32.0 | 7.0 | 10.0 | 5.0 | 13.0 | 22.0 | 15.0 | 12.0 | 9.0 | 3.0 | 12.0 | 6.0 | 4.0 | 6.0 | 4.0 | 4.0 | 16.0 | 11.0 | 8.0 | 5.0 | 5.0 | 6.0 | 12.0 | 9.0 | 15.0 | 10.0 | 10.0 | 15.0 | 5.0 | 7.0 | 9.0 | 7.0 | 9.0 | 9.0 | 7.0 | 12.0 | 6.0 | 9.0 | 9.0 | 9.0 | 26.0 | 2.0 | 7.0 | 15.0 | 10.0 | 8.0 | 2.0 | 17.0 | 9.0 | 24.0 | 23.0 | 14.0 | 14.0 | 13.0 | 21.0 | 24.0 | 19.0 | 18.0 | 13.0 | 14.0 | 14.0 | 15.0 | 10.0 | 16.0 | 13.0 | 13.0 | 14.0 | 17.0 | 11.0 | 6.0 | 25.0 | 21.0 | 14.0 | 15.0 | 7.0 | 12.0 | 23.0 | 16.0 | 12.0 | 16.0 | 8.0 | 10.0 | 18.0 | 16.0 | 22.0 | 12.0 | 15.0 | 13.0 | 16.0 | 19.0 | 21.0 | 23.0 | 25.0 | 12.0 | 15.0 | 14.0 | 17.0 | 16.0 | 13.0 | 14.0 | 12.0 | 9.0 | 13.0 | 18.0 | 20.0 | 7.0 | 15.0 | 21.0 | 14.0 | 13.0 | 25.0 | 19.0 | 19.0 | 23.0 | 32.0 | 20.0 | 9.0 | 14.0 | 16.0 | 21.0 | 26.0 | 14.0 | 19.0 | 24.0 | 14.0 | 15.0 | 21.0 | 17.0 | 27.0 | 11.0 | 21.0 | 16.0 | 27.0 | 23.0 | 28.0 | 23.0 | 21.0 | 18.0 | 35.0 | 29.0 | 17.0 | 25.0 | 28.0 | 20.0 | 15.0 | 22.0 | 19.0 | 25.0 | 23.0 | 36.0 | 16.0 | 13.0 | 25.0 | 13.0 | 19.0 | 24.0 | 11.0 | 18.0 | 20.0 | 27.0 | 26.0 | 21.0 | 30.0 | 36.0 | 36.0 | 41.0 | 33.0 | 23.0 | 21.0 | 31.0 | 16.0 | 24.0 | 24.0 | 12.0 | 16.0 | 23.0 | 29.0 | 14.0 | 16.0 | 12.0 | 28.0 | 23.0 | 38.0 | 30.0 | 40.0 | 17.0 | 11.0 | 16.0 | 14.0 | 16.0 | 20.0 | 21.0 | 18.0 | 17.0 | 13.0 | 12.0 | 20.0 | 20.0 | 21.0 | 17.0 | 23.0 | 20.0 | 23.0 | 29.0 | 28.0 | 17.0 | 19.0 | 14.0 | 22.0 | 32.0 | 25.0 | 22.0 | 23.0 | 30.0 | 21.0 | 17.0 | 26.0 | 16.0 | 27.0 | 43.0 | 25.0 | 30.0 | 28.0 | 25.0 | 42.0 | 28.0 | 23.0 | 23.0 | 33.0 | 19.0 | 28.0 | 31.0 | 21.0 | 25.0 | 23.0 | 32.0 | 36.0 | 21.0 | 28.0 | 17.0 | 39.0 | 32.0 | 27.0 | 22.0 | 39.0 | 34.0 | 30.0 | 49.0 | 18.0 | 14.0 | 14.0 | 22.0 | 50.0 | 24.0 | 29.0 | 28.0 | 22.0 | 37.0 | 33.0 | 35.0 | 28.0 | 27.0 | 25.0 | 20.0 | 36.0 | 23.0 | 28.0 | 28.0 | 27.0 | 19.0 | 27.0 | 22.0 | 33.0 | 21.0 | 42.0 | 15.0 | 19.0 | 25.0 | 11.0 | 20.0 | 23.0 | 22.0 | 34.0 | 16.0 | 28.0 | 38.0 | 47.0 | 25.0 | 29.0 | 33.0 | 23.0 | 19.0 | 35.0 | 34.0 | 38.0 | 35.0 | 38.0 | 18.0 | 14.0 | 32.0 | 22.0 | 30.0 | 23.0 | 35.0 | 21.0 | 22.0 | 33.0 | 27.0 | 17.0 | 26.0 | 20.0 | 25.0 | 22.0 | 38.0 | 19.0 | 27.0 | 31.0 | 29.0 | 15.0 | 31.0 | 26.0 | 25.0 | 38.0 | 22.0 | 21.0 | 27.0 | 25.0 | 38.0 | 35.0 | 34.0 | 24.0 | 29.0 | 35.0 | 27.0 | 21.0 | 31.0 | 21.0 | 30.0 | 26.0 | 21.0 | 21.0 | 29.0 | 35.0 | 27.0 | 22.0 | 19.0 | 22.0 | 37.0 | 30.0 | 22.0 | 41.0 | 27.0 | 23.0 | 27.0 | 19.0 | 37.0 | 28.0 | 36.0 | 37.0 | 35.0 | 35.0 | 29.0 | 33.0 | 39.0 | 31.0 | 28.0 | 33.0 | 32.0 | 27.0 | 16.0 | 28.0 | 24.0 | 30.0 | 30.0 | 17.0 | 30.0 | 20.0 | 27.0 | 26.0 | 30.0 | 27.0 | 31.0 | 19.0 | 21.0 | 19.0 | 30.0 | 18.0 | 20.0 | 19.0 | 25.0 | 47.0 | 28.0 | 32.0 | 32.0 | 21.0 | 37.0 | 17.0 | 26.0 | 26.0 | 23.0 | 32.0 | 23.0 | 14.0 | 22.0 | 24.0 | 28.0 | 21.0 | 28.0 | 19.0 | 25.0 | 29.0 | 12.0 | 28.0 | 31.0 | 32.0 | 25.0 | 18.0 | 39.0 | 25.0 | 15.0 | 27.0 | 23.0 | 37.0 | 28.0 | 23.0 | 22.0 | 41.0 | 23.0 | 25.0 | 25.0 | 25.0 | 30.0 | 20.0 | 17.0 | 25.0 | 29.0 | 19.0 | 18.0 | 19.0 | 25.0 | 20.0 | 32.0 | 31.0 | 30.0 | 20.0 | 22.0 | 40.0 | 27.0 | 20.0 | 23.0 | 28.0 | 22.0 | 25.0 | 28.0 | 13.0 | 26.0 | 17.0 | 18.0 | 22.0 | 21.0 | 27.0 | 23.0 | 31.0 | 20.0 | 21.0 | 21.0 | 33.0 | 39.0 | 37.0 | 35.0 | 22.0 | 13.0 | 32.0 | 20.0 | 20.0 | 37.0 | 19.0 | 27.0 | 22.0 | 11.0 | 17.0 | 14.0 | 37.0 | 20.0 | 25.0 | 28.0 | 27.0 | 20.0 | 50.0 | 29.0 | 23.0 | 34.0 | 34.0 | 23.0 | 19.0 | 29.0 | 26.0 | 24.0 | 25.0 | 32.0 | 26.0 | 17.0 | 32.0 | 22.0 | 39.0 | 62.0 | 33.0 | 35.0 | 24.0 | 26.0 | 33.0 | 38.0 | 25.0 | 17.0 | 22.0 | 29.0 | 30.0 | 29.0 | 35.0 | 44.0 | 26.0 | 41.0 |
# The page name contains data in this format:
# SPECIFIC NAME _ LANGUAGE.wikipedia.org _ ACCESS TYPE _ ACCESS ORIGIN
import re
# lang_list.extend([string for string in val if re.search(pattern, string)])
def get_language_list(values):
ans = []
pattern = r'_(\w{2,3})\.wikipedia\.org'
for val in values:
match = re.search(pattern, val)
if match:
language_code = match.group(1)
ans.append(language_code) # Output: zh
else:
ans.append("NA")
return ans
df['language_code'] = get_language_list(df['Page'])
df['Page'] = df['language_code']
df.rename({'Page':'Language'},axis=1,inplace=True)
df.drop('language_code',axis=1,inplace=True)
Exo_lang = df['Language']
df = df.loc[:,'2015-07-01':'2016-12-31']
(df.tail(20))
| 2015-07-01 | 2015-07-02 | 2015-07-03 | 2015-07-04 | 2015-07-05 | 2015-07-06 | 2015-07-07 | 2015-07-08 | 2015-07-09 | 2015-07-10 | 2015-07-11 | 2015-07-12 | 2015-07-13 | 2015-07-14 | 2015-07-15 | 2015-07-16 | 2015-07-17 | 2015-07-18 | 2015-07-19 | 2015-07-20 | 2015-07-21 | 2015-07-22 | 2015-07-23 | 2015-07-24 | 2015-07-25 | 2015-07-26 | 2015-07-27 | 2015-07-28 | 2015-07-29 | 2015-07-30 | 2015-07-31 | 2015-08-01 | 2015-08-02 | 2015-08-03 | 2015-08-04 | 2015-08-05 | 2015-08-06 | 2015-08-07 | 2015-08-08 | 2015-08-09 | 2015-08-10 | 2015-08-11 | 2015-08-12 | 2015-08-13 | 2015-08-14 | 2015-08-15 | 2015-08-16 | 2015-08-17 | 2015-08-18 | 2015-08-19 | 2015-08-20 | 2015-08-21 | 2015-08-22 | 2015-08-23 | 2015-08-24 | 2015-08-25 | 2015-08-26 | 2015-08-27 | 2015-08-28 | 2015-08-29 | 2015-08-30 | 2015-08-31 | 2015-09-01 | 2015-09-02 | 2015-09-03 | 2015-09-04 | 2015-09-05 | 2015-09-06 | 2015-09-07 | 2015-09-08 | 2015-09-09 | 2015-09-10 | 2015-09-11 | 2015-09-12 | 2015-09-13 | 2015-09-14 | 2015-09-15 | 2015-09-16 | 2015-09-17 | 2015-09-18 | 2015-09-19 | 2015-09-20 | 2015-09-21 | 2015-09-22 | 2015-09-23 | 2015-09-24 | 2015-09-25 | 2015-09-26 | 2015-09-27 | 2015-09-28 | 2015-09-29 | 2015-09-30 | 2015-10-01 | 2015-10-02 | 2015-10-03 | 2015-10-04 | 2015-10-05 | 2015-10-06 | 2015-10-07 | 2015-10-08 | 2015-10-09 | 2015-10-10 | 2015-10-11 | 2015-10-12 | 2015-10-13 | 2015-10-14 | 2015-10-15 | 2015-10-16 | 2015-10-17 | 2015-10-18 | 2015-10-19 | 2015-10-20 | 2015-10-21 | 2015-10-22 | 2015-10-23 | 2015-10-24 | 2015-10-25 | 2015-10-26 | 2015-10-27 | 2015-10-28 | 2015-10-29 | 2015-10-30 | 2015-10-31 | 2015-11-01 | 2015-11-02 | 2015-11-03 | 2015-11-04 | 2015-11-05 | 2015-11-06 | 2015-11-07 | 2015-11-08 | 2015-11-09 | 2015-11-10 | 2015-11-11 | 2015-11-12 | 2015-11-13 | 2015-11-14 | 2015-11-15 | 2015-11-16 | 2015-11-17 | 2015-11-18 | 2015-11-19 | 2015-11-20 | 2015-11-21 | 2015-11-22 | 2015-11-23 | 2015-11-24 | 2015-11-25 | 2015-11-26 | 2015-11-27 | 2015-11-28 | 2015-11-29 | 2015-11-30 | 2015-12-01 | 2015-12-02 | 2015-12-03 | 2015-12-04 | 2015-12-05 | 2015-12-06 | 2015-12-07 | 2015-12-08 | 2015-12-09 | 2015-12-10 | 2015-12-11 | 2015-12-12 | 2015-12-13 | 2015-12-14 | 2015-12-15 | 2015-12-16 | 2015-12-17 | 2015-12-18 | 2015-12-19 | 2015-12-20 | 2015-12-21 | 2015-12-22 | 2015-12-23 | 2015-12-24 | 2015-12-25 | 2015-12-26 | 2015-12-27 | 2015-12-28 | 2015-12-29 | 2015-12-30 | 2015-12-31 | 2016-01-01 | 2016-01-02 | 2016-01-03 | 2016-01-04 | 2016-01-05 | 2016-01-06 | 2016-01-07 | 2016-01-08 | 2016-01-09 | 2016-01-10 | 2016-01-11 | 2016-01-12 | 2016-01-13 | 2016-01-14 | 2016-01-15 | 2016-01-16 | 2016-01-17 | 2016-01-18 | 2016-01-19 | 2016-01-20 | 2016-01-21 | 2016-01-22 | 2016-01-23 | 2016-01-24 | 2016-01-25 | 2016-01-26 | 2016-01-27 | 2016-01-28 | 2016-01-29 | 2016-01-30 | 2016-01-31 | 2016-02-01 | 2016-02-02 | 2016-02-03 | 2016-02-04 | 2016-02-05 | 2016-02-06 | 2016-02-07 | 2016-02-08 | 2016-02-09 | 2016-02-10 | 2016-02-11 | 2016-02-12 | 2016-02-13 | 2016-02-14 | 2016-02-15 | 2016-02-16 | 2016-02-17 | 2016-02-18 | 2016-02-19 | 2016-02-20 | 2016-02-21 | 2016-02-22 | 2016-02-23 | 2016-02-24 | 2016-02-25 | 2016-02-26 | 2016-02-27 | 2016-02-28 | 2016-02-29 | 2016-03-01 | 2016-03-02 | 2016-03-03 | 2016-03-04 | 2016-03-05 | 2016-03-06 | 2016-03-07 | 2016-03-08 | 2016-03-09 | 2016-03-10 | 2016-03-11 | 2016-03-12 | 2016-03-13 | 2016-03-14 | 2016-03-15 | 2016-03-16 | 2016-03-17 | 2016-03-18 | 2016-03-19 | 2016-03-20 | 2016-03-21 | 2016-03-22 | 2016-03-23 | 2016-03-24 | 2016-03-25 | 2016-03-26 | 2016-03-27 | 2016-03-28 | 2016-03-29 | 2016-03-30 | 2016-03-31 | 2016-04-01 | 2016-04-02 | 2016-04-03 | 2016-04-04 | 2016-04-05 | 2016-04-06 | 2016-04-07 | 2016-04-08 | 2016-04-09 | 2016-04-10 | 2016-04-11 | 2016-04-12 | 2016-04-13 | 2016-04-14 | 2016-04-15 | 2016-04-16 | 2016-04-17 | 2016-04-18 | 2016-04-19 | 2016-04-20 | 2016-04-21 | 2016-04-22 | 2016-04-23 | 2016-04-24 | 2016-04-25 | 2016-04-26 | 2016-04-27 | 2016-04-28 | 2016-04-29 | 2016-04-30 | 2016-05-01 | 2016-05-02 | 2016-05-03 | 2016-05-04 | 2016-05-05 | 2016-05-06 | 2016-05-07 | 2016-05-08 | 2016-05-09 | 2016-05-10 | 2016-05-11 | 2016-05-12 | 2016-05-13 | 2016-05-14 | 2016-05-15 | 2016-05-16 | 2016-05-17 | 2016-05-18 | 2016-05-19 | 2016-05-20 | 2016-05-21 | 2016-05-22 | 2016-05-23 | 2016-05-24 | 2016-05-25 | 2016-05-26 | 2016-05-27 | 2016-05-28 | 2016-05-29 | 2016-05-30 | 2016-05-31 | 2016-06-01 | 2016-06-02 | 2016-06-03 | 2016-06-04 | 2016-06-05 | 2016-06-06 | 2016-06-07 | 2016-06-08 | 2016-06-09 | 2016-06-10 | 2016-06-11 | 2016-06-12 | 2016-06-13 | 2016-06-14 | 2016-06-15 | 2016-06-16 | 2016-06-17 | 2016-06-18 | 2016-06-19 | 2016-06-20 | 2016-06-21 | 2016-06-22 | 2016-06-23 | 2016-06-24 | 2016-06-25 | 2016-06-26 | 2016-06-27 | 2016-06-28 | 2016-06-29 | 2016-06-30 | 2016-07-01 | 2016-07-02 | 2016-07-03 | 2016-07-04 | 2016-07-05 | 2016-07-06 | 2016-07-07 | 2016-07-08 | 2016-07-09 | 2016-07-10 | 2016-07-11 | 2016-07-12 | 2016-07-13 | 2016-07-14 | 2016-07-15 | 2016-07-16 | 2016-07-17 | 2016-07-18 | 2016-07-19 | 2016-07-20 | 2016-07-21 | 2016-07-22 | 2016-07-23 | 2016-07-24 | 2016-07-25 | 2016-07-26 | 2016-07-27 | 2016-07-28 | 2016-07-29 | 2016-07-30 | 2016-07-31 | 2016-08-01 | 2016-08-02 | 2016-08-03 | 2016-08-04 | 2016-08-05 | 2016-08-06 | 2016-08-07 | 2016-08-08 | 2016-08-09 | 2016-08-10 | 2016-08-11 | 2016-08-12 | 2016-08-13 | 2016-08-14 | 2016-08-15 | 2016-08-16 | 2016-08-17 | 2016-08-18 | 2016-08-19 | 2016-08-20 | 2016-08-21 | 2016-08-22 | 2016-08-23 | 2016-08-24 | 2016-08-25 | 2016-08-26 | 2016-08-27 | 2016-08-28 | 2016-08-29 | 2016-08-30 | 2016-08-31 | 2016-09-01 | 2016-09-02 | 2016-09-03 | 2016-09-04 | 2016-09-05 | 2016-09-06 | 2016-09-07 | 2016-09-08 | 2016-09-09 | 2016-09-10 | 2016-09-11 | 2016-09-12 | 2016-09-13 | 2016-09-14 | 2016-09-15 | 2016-09-16 | 2016-09-17 | 2016-09-18 | 2016-09-19 | 2016-09-20 | 2016-09-21 | 2016-09-22 | 2016-09-23 | 2016-09-24 | 2016-09-25 | 2016-09-26 | 2016-09-27 | 2016-09-28 | 2016-09-29 | 2016-09-30 | 2016-10-01 | 2016-10-02 | 2016-10-03 | 2016-10-04 | 2016-10-05 | 2016-10-06 | 2016-10-07 | 2016-10-08 | 2016-10-09 | 2016-10-10 | 2016-10-11 | 2016-10-12 | 2016-10-13 | 2016-10-14 | 2016-10-15 | 2016-10-16 | 2016-10-17 | 2016-10-18 | 2016-10-19 | 2016-10-20 | 2016-10-21 | 2016-10-22 | 2016-10-23 | 2016-10-24 | 2016-10-25 | 2016-10-26 | 2016-10-27 | 2016-10-28 | 2016-10-29 | 2016-10-30 | 2016-10-31 | 2016-11-01 | 2016-11-02 | 2016-11-03 | 2016-11-04 | 2016-11-05 | 2016-11-06 | 2016-11-07 | 2016-11-08 | 2016-11-09 | 2016-11-10 | 2016-11-11 | 2016-11-12 | 2016-11-13 | 2016-11-14 | 2016-11-15 | 2016-11-16 | 2016-11-17 | 2016-11-18 | 2016-11-19 | 2016-11-20 | 2016-11-21 | 2016-11-22 | 2016-11-23 | 2016-11-24 | 2016-11-25 | 2016-11-26 | 2016-11-27 | 2016-11-28 | 2016-11-29 | 2016-11-30 | 2016-12-01 | 2016-12-02 | 2016-12-03 | 2016-12-04 | 2016-12-05 | 2016-12-06 | 2016-12-07 | 2016-12-08 | 2016-12-09 | 2016-12-10 | 2016-12-11 | 2016-12-12 | 2016-12-13 | 2016-12-14 | 2016-12-15 | 2016-12-16 | 2016-12-17 | 2016-12-18 | 2016-12-19 | 2016-12-20 | 2016-12-21 | 2016-12-22 | 2016-12-23 | 2016-12-24 | 2016-12-25 | 2016-12-26 | 2016-12-27 | 2016-12-28 | 2016-12-29 | 2016-12-30 | 2016-12-31 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 145043 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 110.0 | 6.0 | 35.0 | 4.0 | 6.0 | 8.0 | 20.0 | 4.0 | 3.0 | 2.0 | 29.0 | 18.0 | 5.0 | 12.0 | 5.0 | 6.0 | 2.0 | 3.0 | 2.0 | 3.0 | 5.0 | 6.0 | 3.0 | 9.0 | 2.0 | 3.0 | 9.0 | 13.0 | 8.0 | 38.0 | 126.0 | 17.0 | 10.0 | 11.0 | 17.0 | 1.0 | 63.0 | 37.0 | 5.0 | 11.0 | 9.0 | 12.0 | 3.0 | 9.0 | 26.0 | 11.0 | 9.0 | 9.0 | 16.0 | 7.0 | 7.0 | 31.0 | 4.0 | 9.0 | 5.0 | 8.0 | 22.0 | 13.0 | 11.0 | 24.0 | 6.0 | 4.0 | 10.0 | 1.0 | 62.0 | 16.0 | 12.0 | 10.0 | 13.0 | 21.0 | 9.0 | 10.0 | 10.0 | 4.0 | 1.0 | 1.0 | 5.0 | 18.0 | 3.0 | 3.0 | 5.0 | 6.0 | 3.0 | 29.0 | 6.0 | 13.0 | 7.0 | 9.0 | 21.0 | 10.0 | 7.0 | 11.0 | 7.0 | 6.0 | 4.0 | 7.0 | 3.0 | 4.0 | 4.0 | 2.0 | 4.0 | 5.0 | 2.0 | 2.0 |
| 145044 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 6.0 | 8.0 | 15.0 | 12.0 | 2.0 | 96.0 | 14.0 | 3.0 | 3.0 | 2.0 | 2.0 | 3.0 | 4.0 | 2.0 | 1.0 | 0.0 | 2.0 | 2.0 | 0.0 | 38.0 | 1.0 | 3.0 | 3.0 | 0.0 | 0.0 | 0.0 | 21.0 | 3.0 | 0.0 | 21.0 | 25.0 | 1.0 | 1.0 | 6.0 | 2.0 | 2.0 | 10.0 | 2.0 | 2.0 | 13.0 | 3.0 | 14.0 | 2.0 | 0.0 | 0.0 | 3.0 | 15.0 | 3.0 | 3.0 | 1.0 | 40.0 | 23.0 | 19.0 | 201.0 | 12.0 | 20.0 | 1.0 | 27.0 | 1.0 | 3.0 | 11.0 | 17.0 | 3.0 | 11.0 | 69.0 | 18.0 | 12.0 | 1.0 | 16.0 | 1.0 | 4.0 | 171.0 | 64.0 | 33.0 | 13.0 | 13.0 | 47.0 | 13.0 | 14.0 | 17.0 | 19.0 | 115.0 | 11.0 | 164.0 | 4.0 | 14.0 | 2.0 | 7.0 | 8.0 | 20.0 | 27.0 | 11.0 | 7.0 | 17.0 | 13.0 | 40.0 |
| 145045 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.0 | 44.0 | 29.0 | 1.0 | 3.0 | 3.0 | 0.0 | 1.0 | 0.0 | 1.0 | 2.0 | 1.0 | 1.0 | 2.0 | 0.0 | 0.0 | 2.0 | 2.0 | 0.0 | 0.0 | 0.0 | 0.0 | 3.0 | 1.0 | 0.0 | 0.0 | 1.0 | 1.0 | 0.0 | 0.0 | 2.0 | 2.0 | 0.0 | 5.0 | 5.0 | 0.0 | 0.0 | 3.0 | 1.0 | 1.0 | 5.0 | 1.0 | 0.0 | 2.0 | 1.0 | 2.0 | 1.0 | 6.0 | 0.0 | 2.0 | 2.0 | 0.0 | 0.0 | 0.0 | 1.0 | 1.0 | 1.0 | 0.0 | 1.0 | 3.0 | 0.0 | 1.0 | 2.0 | 4.0 | 1.0 | 0.0 | 2.0 | 0.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 3.0 | 1.0 | 1.0 | 0.0 | 1.0 | 0.0 | 3.0 | 3.0 | 1.0 | 1.0 | 1.0 | 2.0 | 3.0 | 2.0 | 1.0 | 2.0 | 0.0 | 0.0 | 1.0 | 1.0 | 1.0 | 0.0 | 1.0 |
| 145046 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.0 | 293.0 | 128.0 | 68.0 | 81.0 | 112.0 | 173.0 | 342.0 | 233.0 | 213.0 | 187.0 | 243.0 | 181.0 | 205.0 | 202.0 | 81.0 | 34.0 | 22.0 | 26.0 | 72.0 | 35.0 | 14.0 | 15.0 | 9.0 | 43.0 | 32.0 | 24.0 | 13.0 | 11.0 | 19.0 | 16.0 | 9.0 | 7.0 | 30.0 | 9.0 | 14.0 | 40.0 | 16.0 | 14.0 | 16.0 | 8.0 | 5.0 | 14.0 | 9.0 | 8.0 | 7.0 | 4.0 | 5.0 | 3.0 | 7.0 | 6.0 | 4.0 | 9.0 | 13.0 | 35.0 | 16.0 | 7.0 | 10.0 | 13.0 | 10.0 | 10.0 | 11.0 | 10.0 | 6.0 | 3.0 | 6.0 | 9.0 | 8.0 | 3.0 | 6.0 | 8.0 | 4.0 | 4.0 | 5.0 | 3.0 | 6.0 | 9.0 | 8.0 | 8.0 | 15.0 | 11.0 | 10.0 | 9.0 | 6.0 | 4.0 | 4.0 | 6.0 | 5.0 | 5.0 | 13.0 | 7.0 | 11.0 | 7.0 |
| 145047 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 22.0 | 0.0 | 9.0 | 2.0 | 1.0 | 1.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 1.0 | 1.0 | 0.0 | 0.0 | 2.0 | 0.0 | 1.0 | 3.0 | 0.0 | 6.0 | 0.0 | 1.0 | 1.0 | 0.0 | 0.0 | 2.0 | 2.0 | 0.0 | 2.0 | 2.0 | 2.0 | 0.0 | 1.0 | 1.0 | 1.0 | 1.0 | 0.0 | 0.0 | 3.0 | 0.0 | 1.0 | 2.0 | 0.0 | 1.0 | 0.0 | 1.0 | 1.0 | 1.0 | 1.0 | 3.0 | 1.0 | 2.0 | 1.0 | 1.0 | 2.0 | 0.0 | 0.0 | 1.0 | 3.0 | 1.0 | 2.0 | 2.0 | 5.0 | 64.0 | 4.0 | 26.0 | 0.0 | 1.0 | 0.0 | 3.0 | 1.0 | 1.0 | 48.0 | 1.0 | 4.0 | 5.0 | 3.0 | 10.0 | 1.0 | 6.0 | 22.0 | 34.0 | 1.0 | 3.0 | 29.0 |
| 145048 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 14.0 | 5.0 | 17.0 | 12.0 | 1.0 | 10.0 | 9.0 | 6.0 | 3.0 | 28.0 | 39.0 | 24.0 | 7.0 | 14.0 | 10.0 | 4.0 | 2.0 | 2.0 | 3.0 | 9.0 | 4.0 | 0.0 | 3.0 | 5.0 | 22.0 | 6.0 | 7.0 | 4.0 | 4.0 | 2.0 | 2.0 | 5.0 | 5.0 | 10.0 | 4.0 | 6.0 | 26.0 | 4.0 | 1.0 | 0.0 | 4.0 | 3.0 | 6.0 | 0.0 | 2.0 | 3.0 | 1.0 | 4.0 | 17.0 | 26.0 | 13.0 | 1.0 | 1.0 | 2.0 | 0.0 | 2.0 | 13.0 | 4.0 | 10.0 | 16.0 | 9.0 | 2.0 | 3.0 | 1.0 | 5.0 | 3.0 | 4.0 | 5.0 | 3.0 | 1.0 | 0.0 | 5.0 | 26.0 | 25.0 | 7.0 | 5.0 | 8.0 | 25.0 | 2.0 | 8.0 | 3.0 | 1.0 |
| 145049 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.0 | 1.0 | 1.0 | 0.0 | 0.0 | 1.0 | 2.0 | 0.0 | 0.0 | 1.0 | 0.0 | 0.0 | 162.0 | 16.0 | 0.0 | NaN | NaN | 13.0 | 0.0 | NaN | 24.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | NaN | NaN | 76.0 | 42.0 | 42.0 | 23.0 | 10.0 | 1.0 | 3.0 | 2.0 | 16.0 | 23.0 | 5.0 | 17.0 | 1.0 | 6.0 | 31.0 | 10.0 | 8.0 | 54.0 | 4.0 | 8.0 | 15.0 | 5.0 | 6.0 | 35.0 | 10.0 | 3.0 | 4.0 | 1.0 | 31.0 | 27.0 | 9.0 | 135.0 |
| 145050 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.0 | 1.0 | 8.0 | 2.0 | 4.0 | 1.0 | 1.0 | 0.0 | 7.0 | 5.0 | 4.0 | 3.0 | 28.0 | 2.0 | 2.0 | 0.0 | 0.0 | 1.0 | 0.0 | 2.0 | 1.0 | 0.0 | 0.0 | 16.0 | 0.0 | 2.0 | 8.0 | 0.0 | 0.0 | 0.0 | 2.0 | 1.0 | 1.0 | 0.0 | 0.0 | 4.0 | 3.0 | 4.0 | 2.0 | 7.0 | 3.0 | 1.0 | 1.0 | 2.0 | 1.0 | 1.0 | 1.0 | 1.0 | 11.0 | 6.0 | 0.0 | 1.0 | 2.0 | 0.0 | 3.0 | 1.0 | 0.0 | 1.0 | 0.0 | 9.0 | 2.0 | 3.0 | 1.0 | 4.0 | 1.0 | 2.0 | 7.0 | 2.0 | 3.0 | 2.0 | 18.0 | 40.0 | 1.0 | 42.0 |
| 145051 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | NaN | NaN | NaN | NaN | NaN | 36.0 | 3.0 | 1.0 | 1.0 | 9.0 | 2.0 | 4.0 | 19.0 | 3.0 | 42.0 | 6.0 | 9.0 | 14.0 | 1.0 | 1.0 | 4.0 | 11.0 | 4.0 | 2.0 | 2.0 | 4.0 | 33.0 | 49.0 | 18.0 | 68.0 | 88.0 | 7.0 | 8.0 | 17.0 | 157.0 | 169.0 | 191.0 | 45.0 | 2.0 | 9.0 | 75.0 | 51.0 | 73.0 | 54.0 | 83.0 | 20.0 | 3.0 | 7.0 | 34.0 | 22.0 | 74.0 | 222.0 | 2.0 | 16.0 | 21.0 | 7.0 | 34.0 | 37.0 | 42.0 |
| 145052 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 28.0 | 13.0 | 15.0 | 0.0 | 7.0 | 13.0 | 10.0 | 367.0 | 14.0 | 21.0 | 14.0 | 9.0 | 7.0 | 8.0 | 7.0 | 11.0 | 37.0 | 11.0 | 3.0 | 5.0 | 6.0 | 13.0 | 9.0 | 7.0 | 8.0 | 8.0 | 17.0 | 35.0 | 4.0 | 4.0 | 3.0 | 5.0 | 3.0 | 7.0 | 4.0 | 2.0 | 5.0 | 3.0 | 11.0 | 10.0 | 14.0 | 23.0 | 10.0 | 12.0 | 9.0 | 9.0 | 5.0 | 83.0 | 44.0 | 36.0 | 9.0 | 4.0 | 17.0 | 6.0 | 11.0 | 5.0 |
| 145053 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 14.0 | 9.0 | 7.0 | 2.0 | 2.0 | 5.0 | 5.0 | 3.0 | 36.0 | 72.0 | 6.0 | 5.0 | 8.0 | 20.0 | 1.0 | 4.0 | 86.0 | 9.0 | 2.0 | 3.0 | 8.0 | 27.0 | 3.0 | 1.0 | 1.0 | 2.0 | 3.0 | 4.0 | 1.0 | 0.0 | 3.0 | 6.0 | 0.0 | 1.0 | 3.0 | 26.0 | 5.0 | 57.0 | 7.0 | 2.0 | 2.0 | 6.0 | 38.0 | 18.0 | 13.0 | 7.0 | 6.0 | 3.0 | 3.0 | 8.0 | 21.0 | 14.0 | 24.0 | 37.0 |
| 145054 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 26.0 | 9.0 | 14.0 | 46.0 | 3.0 | 20.0 | 21.0 | 6.0 | 6.0 | 7.0 | 11.0 | 19.0 | 15.0 | 22.0 | 14.0 | 7.0 | 8.0 | 14.0 | 8.0 | 33.0 | 10.0 | 11.0 | 8.0 | 10.0 | 11.0 | 8.0 | 9.0 | 9.0 | 19.0 | 17.0 | 7.0 | 13.0 | 12.0 | 31.0 | 11.0 |
| 145055 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 50.0 | 61.0 | 1.0 | 1.0 | 2.0 | 4.0 | 3.0 | 4.0 | 2.0 | 4.0 | 2.0 | 9.0 | 0.0 | 2.0 | 0.0 | 1.0 | 2.0 | 1.0 | 1.0 | 3.0 | 4.0 | 2.0 | 4.0 | 4.0 | 3.0 |
| 145056 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.0 | 166.0 | 3.0 | 107.0 | 43.0 | 32.0 | 56.0 | 138.0 | 0.0 | 0.0 | 0.0 | 16.0 | 0.0 | 3.0 | 21.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 51.0 |
| 145057 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 21.0 | NaN | NaN | NaN | NaN | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 145058 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 13.0 | 12.0 | 13.0 | 3.0 | 5.0 | 10.0 |
| 145059 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 145060 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 145061 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 145062 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
plt.title('Plot of Series Before Imputation')
df.iloc[4].plot(label='before impute')
plt.legend()
plt.show()
np.all(df.loc[145062].isna())
True
Approach
Check Whether all Values are NAN.
If all values are NAN the Flag those row as 'Y' else 'N'
def flag_all_nan_rows(df):
ans = []
for i in range(df.shape[0]):
if(np.all(df.loc[i].isna())==True):
ans.append('Y')
else:
ans.append('N')
return ans
df['Nan Flag'] = flag_all_nan_rows(df)
df['Language'] = Exo_lang
df = df[df['Nan Flag']=='N'].reset_index()
exolang = df['Language']
df.drop(['Language','Nan Flag','index'],axis=1,inplace=True)
df.shape
(144411, 550)
Approach
Filling all row NAN values with the median values because each row is independent of each other
def fill_na_imputation(df):
for i in range(df.shape[0]):
df.loc[i].fillna(df.loc[i].median(),inplace=True)
return df
df = fill_na_imputation(df)
df.isna().sum()
2015-07-01 0 2015-07-02 0 2015-07-03 0 2015-07-04 0 2015-07-05 0 2015-07-06 0 2015-07-07 0 2015-07-08 0 2015-07-09 0 2015-07-10 0 2015-07-11 0 2015-07-12 0 2015-07-13 0 2015-07-14 0 2015-07-15 0 2015-07-16 0 2015-07-17 0 2015-07-18 0 2015-07-19 0 2015-07-20 0 2015-07-21 0 2015-07-22 0 2015-07-23 0 2015-07-24 0 2015-07-25 0 2015-07-26 0 2015-07-27 0 2015-07-28 0 2015-07-29 0 2015-07-30 0 2015-07-31 0 2015-08-01 0 2015-08-02 0 2015-08-03 0 2015-08-04 0 2015-08-05 0 2015-08-06 0 2015-08-07 0 2015-08-08 0 2015-08-09 0 2015-08-10 0 2015-08-11 0 2015-08-12 0 2015-08-13 0 2015-08-14 0 2015-08-15 0 2015-08-16 0 2015-08-17 0 2015-08-18 0 2015-08-19 0 2015-08-20 0 2015-08-21 0 2015-08-22 0 2015-08-23 0 2015-08-24 0 2015-08-25 0 2015-08-26 0 2015-08-27 0 2015-08-28 0 2015-08-29 0 2015-08-30 0 2015-08-31 0 2015-09-01 0 2015-09-02 0 2015-09-03 0 2015-09-04 0 2015-09-05 0 2015-09-06 0 2015-09-07 0 2015-09-08 0 2015-09-09 0 2015-09-10 0 2015-09-11 0 2015-09-12 0 2015-09-13 0 2015-09-14 0 2015-09-15 0 2015-09-16 0 2015-09-17 0 2015-09-18 0 2015-09-19 0 2015-09-20 0 2015-09-21 0 2015-09-22 0 2015-09-23 0 2015-09-24 0 2015-09-25 0 2015-09-26 0 2015-09-27 0 2015-09-28 0 2015-09-29 0 2015-09-30 0 2015-10-01 0 2015-10-02 0 2015-10-03 0 2015-10-04 0 2015-10-05 0 2015-10-06 0 2015-10-07 0 2015-10-08 0 2015-10-09 0 2015-10-10 0 2015-10-11 0 2015-10-12 0 2015-10-13 0 2015-10-14 0 2015-10-15 0 2015-10-16 0 2015-10-17 0 2015-10-18 0 2015-10-19 0 2015-10-20 0 2015-10-21 0 2015-10-22 0 2015-10-23 0 2015-10-24 0 2015-10-25 0 2015-10-26 0 2015-10-27 0 2015-10-28 0 2015-10-29 0 2015-10-30 0 2015-10-31 0 2015-11-01 0 2015-11-02 0 2015-11-03 0 2015-11-04 0 2015-11-05 0 2015-11-06 0 2015-11-07 0 2015-11-08 0 2015-11-09 0 2015-11-10 0 2015-11-11 0 2015-11-12 0 2015-11-13 0 2015-11-14 0 2015-11-15 0 2015-11-16 0 2015-11-17 0 2015-11-18 0 2015-11-19 0 2015-11-20 0 2015-11-21 0 2015-11-22 0 2015-11-23 0 2015-11-24 0 2015-11-25 0 2015-11-26 0 2015-11-27 0 2015-11-28 0 2015-11-29 0 2015-11-30 0 2015-12-01 0 2015-12-02 0 2015-12-03 0 2015-12-04 0 2015-12-05 0 2015-12-06 0 2015-12-07 0 2015-12-08 0 2015-12-09 0 2015-12-10 0 2015-12-11 0 2015-12-12 0 2015-12-13 0 2015-12-14 0 2015-12-15 0 2015-12-16 0 2015-12-17 0 2015-12-18 0 2015-12-19 0 2015-12-20 0 2015-12-21 0 2015-12-22 0 2015-12-23 0 2015-12-24 0 2015-12-25 0 2015-12-26 0 2015-12-27 0 2015-12-28 0 2015-12-29 0 2015-12-30 0 2015-12-31 0 2016-01-01 0 2016-01-02 0 2016-01-03 0 2016-01-04 0 2016-01-05 0 2016-01-06 0 2016-01-07 0 2016-01-08 0 2016-01-09 0 2016-01-10 0 2016-01-11 0 2016-01-12 0 2016-01-13 0 2016-01-14 0 2016-01-15 0 2016-01-16 0 2016-01-17 0 2016-01-18 0 2016-01-19 0 2016-01-20 0 2016-01-21 0 2016-01-22 0 2016-01-23 0 2016-01-24 0 2016-01-25 0 2016-01-26 0 2016-01-27 0 2016-01-28 0 2016-01-29 0 2016-01-30 0 2016-01-31 0 2016-02-01 0 2016-02-02 0 2016-02-03 0 2016-02-04 0 2016-02-05 0 2016-02-06 0 2016-02-07 0 2016-02-08 0 2016-02-09 0 2016-02-10 0 2016-02-11 0 2016-02-12 0 2016-02-13 0 2016-02-14 0 2016-02-15 0 2016-02-16 0 2016-02-17 0 2016-02-18 0 2016-02-19 0 2016-02-20 0 2016-02-21 0 2016-02-22 0 2016-02-23 0 2016-02-24 0 2016-02-25 0 2016-02-26 0 2016-02-27 0 2016-02-28 0 2016-02-29 0 2016-03-01 0 2016-03-02 0 2016-03-03 0 2016-03-04 0 2016-03-05 0 2016-03-06 0 2016-03-07 0 2016-03-08 0 2016-03-09 0 2016-03-10 0 2016-03-11 0 2016-03-12 0 2016-03-13 0 2016-03-14 0 2016-03-15 0 2016-03-16 0 2016-03-17 0 2016-03-18 0 2016-03-19 0 2016-03-20 0 2016-03-21 0 2016-03-22 0 2016-03-23 0 2016-03-24 0 2016-03-25 0 2016-03-26 0 2016-03-27 0 2016-03-28 0 2016-03-29 0 2016-03-30 0 2016-03-31 0 2016-04-01 0 2016-04-02 0 2016-04-03 0 2016-04-04 0 2016-04-05 0 2016-04-06 0 2016-04-07 0 2016-04-08 0 2016-04-09 0 2016-04-10 0 2016-04-11 0 2016-04-12 0 2016-04-13 0 2016-04-14 0 2016-04-15 0 2016-04-16 0 2016-04-17 0 2016-04-18 0 2016-04-19 0 2016-04-20 0 2016-04-21 0 2016-04-22 0 2016-04-23 0 2016-04-24 0 2016-04-25 0 2016-04-26 0 2016-04-27 0 2016-04-28 0 2016-04-29 0 2016-04-30 0 2016-05-01 0 2016-05-02 0 2016-05-03 0 2016-05-04 0 2016-05-05 0 2016-05-06 0 2016-05-07 0 2016-05-08 0 2016-05-09 0 2016-05-10 0 2016-05-11 0 2016-05-12 0 2016-05-13 0 2016-05-14 0 2016-05-15 0 2016-05-16 0 2016-05-17 0 2016-05-18 0 2016-05-19 0 2016-05-20 0 2016-05-21 0 2016-05-22 0 2016-05-23 0 2016-05-24 0 2016-05-25 0 2016-05-26 0 2016-05-27 0 2016-05-28 0 2016-05-29 0 2016-05-30 0 2016-05-31 0 2016-06-01 0 2016-06-02 0 2016-06-03 0 2016-06-04 0 2016-06-05 0 2016-06-06 0 2016-06-07 0 2016-06-08 0 2016-06-09 0 2016-06-10 0 2016-06-11 0 2016-06-12 0 2016-06-13 0 2016-06-14 0 2016-06-15 0 2016-06-16 0 2016-06-17 0 2016-06-18 0 2016-06-19 0 2016-06-20 0 2016-06-21 0 2016-06-22 0 2016-06-23 0 2016-06-24 0 2016-06-25 0 2016-06-26 0 2016-06-27 0 2016-06-28 0 2016-06-29 0 2016-06-30 0 2016-07-01 0 2016-07-02 0 2016-07-03 0 2016-07-04 0 2016-07-05 0 2016-07-06 0 2016-07-07 0 2016-07-08 0 2016-07-09 0 2016-07-10 0 2016-07-11 0 2016-07-12 0 2016-07-13 0 2016-07-14 0 2016-07-15 0 2016-07-16 0 2016-07-17 0 2016-07-18 0 2016-07-19 0 2016-07-20 0 2016-07-21 0 2016-07-22 0 2016-07-23 0 2016-07-24 0 2016-07-25 0 2016-07-26 0 2016-07-27 0 2016-07-28 0 2016-07-29 0 2016-07-30 0 2016-07-31 0 2016-08-01 0 2016-08-02 0 2016-08-03 0 2016-08-04 0 2016-08-05 0 2016-08-06 0 2016-08-07 0 2016-08-08 0 2016-08-09 0 2016-08-10 0 2016-08-11 0 2016-08-12 0 2016-08-13 0 2016-08-14 0 2016-08-15 0 2016-08-16 0 2016-08-17 0 2016-08-18 0 2016-08-19 0 2016-08-20 0 2016-08-21 0 2016-08-22 0 2016-08-23 0 2016-08-24 0 2016-08-25 0 2016-08-26 0 2016-08-27 0 2016-08-28 0 2016-08-29 0 2016-08-30 0 2016-08-31 0 2016-09-01 0 2016-09-02 0 2016-09-03 0 2016-09-04 0 2016-09-05 0 2016-09-06 0 2016-09-07 0 2016-09-08 0 2016-09-09 0 2016-09-10 0 2016-09-11 0 2016-09-12 0 2016-09-13 0 2016-09-14 0 2016-09-15 0 2016-09-16 0 2016-09-17 0 2016-09-18 0 2016-09-19 0 2016-09-20 0 2016-09-21 0 2016-09-22 0 2016-09-23 0 2016-09-24 0 2016-09-25 0 2016-09-26 0 2016-09-27 0 2016-09-28 0 2016-09-29 0 2016-09-30 0 2016-10-01 0 2016-10-02 0 2016-10-03 0 2016-10-04 0 2016-10-05 0 2016-10-06 0 2016-10-07 0 2016-10-08 0 2016-10-09 0 2016-10-10 0 2016-10-11 0 2016-10-12 0 2016-10-13 0 2016-10-14 0 2016-10-15 0 2016-10-16 0 2016-10-17 0 2016-10-18 0 2016-10-19 0 2016-10-20 0 2016-10-21 0 2016-10-22 0 2016-10-23 0 2016-10-24 0 2016-10-25 0 2016-10-26 0 2016-10-27 0 2016-10-28 0 2016-10-29 0 2016-10-30 0 2016-10-31 0 2016-11-01 0 2016-11-02 0 2016-11-03 0 2016-11-04 0 2016-11-05 0 2016-11-06 0 2016-11-07 0 2016-11-08 0 2016-11-09 0 2016-11-10 0 2016-11-11 0 2016-11-12 0 2016-11-13 0 2016-11-14 0 2016-11-15 0 2016-11-16 0 2016-11-17 0 2016-11-18 0 2016-11-19 0 2016-11-20 0 2016-11-21 0 2016-11-22 0 2016-11-23 0 2016-11-24 0 2016-11-25 0 2016-11-26 0 2016-11-27 0 2016-11-28 0 2016-11-29 0 2016-11-30 0 2016-12-01 0 2016-12-02 0 2016-12-03 0 2016-12-04 0 2016-12-05 0 2016-12-06 0 2016-12-07 0 2016-12-08 0 2016-12-09 0 2016-12-10 0 2016-12-11 0 2016-12-12 0 2016-12-13 0 2016-12-14 0 2016-12-15 0 2016-12-16 0 2016-12-17 0 2016-12-18 0 2016-12-19 0 2016-12-20 0 2016-12-21 0 2016-12-22 0 2016-12-23 0 2016-12-24 0 2016-12-25 0 2016-12-26 0 2016-12-27 0 2016-12-28 0 2016-12-29 0 2016-12-30 0 2016-12-31 0 dtype: int64
plt.title('Plot of Series after Imputation')
df.iloc[4].plot(label= 'after impute')
plt.legend()
plt.show()
set(exolang)
{'NA', '_de', 'de', 'en', 'es', 'fr', 'ja', 'ru', 'zh'}
df_language = pd.DataFrame(exolang.value_counts().reset_index())
df_language
| index | Language | |
|---|---|---|
| 0 | en | 24010 |
| 1 | ja | 20340 |
| 2 | de | 18437 |
| 3 | fr | 17761 |
| 4 | NA | 17728 |
| 5 | zh | 17103 |
| 6 | ru | 14990 |
| 7 | es | 14041 |
| 8 | _de | 1 |
_de: German (This is typically used as a locale specifier, e.g., for formatting purposes.)
de: German
en: English
es: Spanish
fr: French
ja: Japanese
ru: Russian
zh: Chinese
import matplotlib.pyplot as plt
import seaborn as sns
# Your dataframe
# df_language = ...
plt.figure(figsize=(12,6))
plt.grid()
plt.title('Language Distribution Plot')
# Create the bar plot
ax = sns.barplot(x=df_language['index'], y=df_language['Language'])
# Annotate each bar with its value
for p in ax.patches:
ax.annotate(f"{p.get_height():.0f}",
(p.get_x() + p.get_width() / 2., p.get_height()),
ha='center',
va='center',
xytext=(0, 10),
textcoords='offset points')
plt.xlabel('Language')
plt.ylabel('Total')
plt.show()
df['language'] = exolang
df.head()
| 2015-07-01 | 2015-07-02 | 2015-07-03 | 2015-07-04 | 2015-07-05 | 2015-07-06 | 2015-07-07 | 2015-07-08 | 2015-07-09 | 2015-07-10 | 2015-07-11 | 2015-07-12 | 2015-07-13 | 2015-07-14 | 2015-07-15 | 2015-07-16 | 2015-07-17 | 2015-07-18 | 2015-07-19 | 2015-07-20 | 2015-07-21 | 2015-07-22 | 2015-07-23 | 2015-07-24 | 2015-07-25 | 2015-07-26 | 2015-07-27 | 2015-07-28 | 2015-07-29 | 2015-07-30 | 2015-07-31 | 2015-08-01 | 2015-08-02 | 2015-08-03 | 2015-08-04 | 2015-08-05 | 2015-08-06 | 2015-08-07 | 2015-08-08 | 2015-08-09 | 2015-08-10 | 2015-08-11 | 2015-08-12 | 2015-08-13 | 2015-08-14 | 2015-08-15 | 2015-08-16 | 2015-08-17 | 2015-08-18 | 2015-08-19 | 2015-08-20 | 2015-08-21 | 2015-08-22 | 2015-08-23 | 2015-08-24 | 2015-08-25 | 2015-08-26 | 2015-08-27 | 2015-08-28 | 2015-08-29 | 2015-08-30 | 2015-08-31 | 2015-09-01 | 2015-09-02 | 2015-09-03 | 2015-09-04 | 2015-09-05 | 2015-09-06 | 2015-09-07 | 2015-09-08 | 2015-09-09 | 2015-09-10 | 2015-09-11 | 2015-09-12 | 2015-09-13 | 2015-09-14 | 2015-09-15 | 2015-09-16 | 2015-09-17 | 2015-09-18 | 2015-09-19 | 2015-09-20 | 2015-09-21 | 2015-09-22 | 2015-09-23 | 2015-09-24 | 2015-09-25 | 2015-09-26 | 2015-09-27 | 2015-09-28 | 2015-09-29 | 2015-09-30 | 2015-10-01 | 2015-10-02 | 2015-10-03 | 2015-10-04 | 2015-10-05 | 2015-10-06 | 2015-10-07 | 2015-10-08 | 2015-10-09 | 2015-10-10 | 2015-10-11 | 2015-10-12 | 2015-10-13 | 2015-10-14 | 2015-10-15 | 2015-10-16 | 2015-10-17 | 2015-10-18 | 2015-10-19 | 2015-10-20 | 2015-10-21 | 2015-10-22 | 2015-10-23 | 2015-10-24 | 2015-10-25 | 2015-10-26 | 2015-10-27 | 2015-10-28 | 2015-10-29 | 2015-10-30 | 2015-10-31 | 2015-11-01 | 2015-11-02 | 2015-11-03 | 2015-11-04 | 2015-11-05 | 2015-11-06 | 2015-11-07 | 2015-11-08 | 2015-11-09 | 2015-11-10 | 2015-11-11 | 2015-11-12 | 2015-11-13 | 2015-11-14 | 2015-11-15 | 2015-11-16 | 2015-11-17 | 2015-11-18 | 2015-11-19 | 2015-11-20 | 2015-11-21 | 2015-11-22 | 2015-11-23 | 2015-11-24 | 2015-11-25 | 2015-11-26 | 2015-11-27 | 2015-11-28 | 2015-11-29 | 2015-11-30 | 2015-12-01 | 2015-12-02 | 2015-12-03 | 2015-12-04 | 2015-12-05 | 2015-12-06 | 2015-12-07 | 2015-12-08 | 2015-12-09 | 2015-12-10 | 2015-12-11 | 2015-12-12 | 2015-12-13 | 2015-12-14 | 2015-12-15 | 2015-12-16 | 2015-12-17 | 2015-12-18 | 2015-12-19 | 2015-12-20 | 2015-12-21 | 2015-12-22 | 2015-12-23 | 2015-12-24 | 2015-12-25 | 2015-12-26 | 2015-12-27 | 2015-12-28 | 2015-12-29 | 2015-12-30 | 2015-12-31 | 2016-01-01 | 2016-01-02 | 2016-01-03 | 2016-01-04 | 2016-01-05 | 2016-01-06 | 2016-01-07 | 2016-01-08 | 2016-01-09 | 2016-01-10 | 2016-01-11 | 2016-01-12 | 2016-01-13 | 2016-01-14 | 2016-01-15 | 2016-01-16 | 2016-01-17 | 2016-01-18 | 2016-01-19 | 2016-01-20 | 2016-01-21 | 2016-01-22 | 2016-01-23 | 2016-01-24 | 2016-01-25 | 2016-01-26 | 2016-01-27 | 2016-01-28 | 2016-01-29 | 2016-01-30 | 2016-01-31 | 2016-02-01 | 2016-02-02 | 2016-02-03 | 2016-02-04 | 2016-02-05 | 2016-02-06 | 2016-02-07 | 2016-02-08 | 2016-02-09 | 2016-02-10 | 2016-02-11 | 2016-02-12 | 2016-02-13 | 2016-02-14 | 2016-02-15 | 2016-02-16 | 2016-02-17 | 2016-02-18 | 2016-02-19 | 2016-02-20 | 2016-02-21 | 2016-02-22 | 2016-02-23 | 2016-02-24 | 2016-02-25 | 2016-02-26 | 2016-02-27 | 2016-02-28 | 2016-02-29 | 2016-03-01 | 2016-03-02 | 2016-03-03 | 2016-03-04 | 2016-03-05 | 2016-03-06 | 2016-03-07 | 2016-03-08 | 2016-03-09 | 2016-03-10 | 2016-03-11 | 2016-03-12 | 2016-03-13 | 2016-03-14 | 2016-03-15 | 2016-03-16 | 2016-03-17 | 2016-03-18 | 2016-03-19 | 2016-03-20 | 2016-03-21 | 2016-03-22 | 2016-03-23 | 2016-03-24 | 2016-03-25 | 2016-03-26 | 2016-03-27 | 2016-03-28 | 2016-03-29 | 2016-03-30 | 2016-03-31 | 2016-04-01 | 2016-04-02 | 2016-04-03 | 2016-04-04 | 2016-04-05 | 2016-04-06 | 2016-04-07 | 2016-04-08 | 2016-04-09 | 2016-04-10 | 2016-04-11 | 2016-04-12 | 2016-04-13 | 2016-04-14 | 2016-04-15 | 2016-04-16 | 2016-04-17 | 2016-04-18 | 2016-04-19 | 2016-04-20 | 2016-04-21 | 2016-04-22 | 2016-04-23 | 2016-04-24 | 2016-04-25 | 2016-04-26 | 2016-04-27 | 2016-04-28 | 2016-04-29 | 2016-04-30 | 2016-05-01 | 2016-05-02 | 2016-05-03 | 2016-05-04 | 2016-05-05 | 2016-05-06 | 2016-05-07 | 2016-05-08 | 2016-05-09 | 2016-05-10 | 2016-05-11 | 2016-05-12 | 2016-05-13 | 2016-05-14 | 2016-05-15 | 2016-05-16 | 2016-05-17 | 2016-05-18 | 2016-05-19 | 2016-05-20 | 2016-05-21 | 2016-05-22 | 2016-05-23 | 2016-05-24 | 2016-05-25 | 2016-05-26 | 2016-05-27 | 2016-05-28 | 2016-05-29 | 2016-05-30 | 2016-05-31 | 2016-06-01 | 2016-06-02 | 2016-06-03 | 2016-06-04 | 2016-06-05 | 2016-06-06 | 2016-06-07 | 2016-06-08 | 2016-06-09 | 2016-06-10 | 2016-06-11 | 2016-06-12 | 2016-06-13 | 2016-06-14 | 2016-06-15 | 2016-06-16 | 2016-06-17 | 2016-06-18 | 2016-06-19 | 2016-06-20 | 2016-06-21 | 2016-06-22 | 2016-06-23 | 2016-06-24 | 2016-06-25 | 2016-06-26 | 2016-06-27 | 2016-06-28 | 2016-06-29 | 2016-06-30 | 2016-07-01 | 2016-07-02 | 2016-07-03 | 2016-07-04 | 2016-07-05 | 2016-07-06 | 2016-07-07 | 2016-07-08 | 2016-07-09 | 2016-07-10 | 2016-07-11 | 2016-07-12 | 2016-07-13 | 2016-07-14 | 2016-07-15 | 2016-07-16 | 2016-07-17 | 2016-07-18 | 2016-07-19 | 2016-07-20 | 2016-07-21 | 2016-07-22 | 2016-07-23 | 2016-07-24 | 2016-07-25 | 2016-07-26 | 2016-07-27 | 2016-07-28 | 2016-07-29 | 2016-07-30 | 2016-07-31 | 2016-08-01 | 2016-08-02 | 2016-08-03 | 2016-08-04 | 2016-08-05 | 2016-08-06 | 2016-08-07 | 2016-08-08 | 2016-08-09 | 2016-08-10 | 2016-08-11 | 2016-08-12 | 2016-08-13 | 2016-08-14 | 2016-08-15 | 2016-08-16 | 2016-08-17 | 2016-08-18 | 2016-08-19 | 2016-08-20 | 2016-08-21 | 2016-08-22 | 2016-08-23 | 2016-08-24 | 2016-08-25 | 2016-08-26 | 2016-08-27 | 2016-08-28 | 2016-08-29 | 2016-08-30 | 2016-08-31 | 2016-09-01 | 2016-09-02 | 2016-09-03 | 2016-09-04 | 2016-09-05 | 2016-09-06 | 2016-09-07 | 2016-09-08 | 2016-09-09 | 2016-09-10 | 2016-09-11 | 2016-09-12 | 2016-09-13 | 2016-09-14 | 2016-09-15 | 2016-09-16 | 2016-09-17 | 2016-09-18 | 2016-09-19 | 2016-09-20 | 2016-09-21 | 2016-09-22 | 2016-09-23 | 2016-09-24 | 2016-09-25 | 2016-09-26 | 2016-09-27 | 2016-09-28 | 2016-09-29 | 2016-09-30 | 2016-10-01 | 2016-10-02 | 2016-10-03 | 2016-10-04 | 2016-10-05 | 2016-10-06 | 2016-10-07 | 2016-10-08 | 2016-10-09 | 2016-10-10 | 2016-10-11 | 2016-10-12 | 2016-10-13 | 2016-10-14 | 2016-10-15 | 2016-10-16 | 2016-10-17 | 2016-10-18 | 2016-10-19 | 2016-10-20 | 2016-10-21 | 2016-10-22 | 2016-10-23 | 2016-10-24 | 2016-10-25 | 2016-10-26 | 2016-10-27 | 2016-10-28 | 2016-10-29 | 2016-10-30 | 2016-10-31 | 2016-11-01 | 2016-11-02 | 2016-11-03 | 2016-11-04 | 2016-11-05 | 2016-11-06 | 2016-11-07 | 2016-11-08 | 2016-11-09 | 2016-11-10 | 2016-11-11 | 2016-11-12 | 2016-11-13 | 2016-11-14 | 2016-11-15 | 2016-11-16 | 2016-11-17 | 2016-11-18 | 2016-11-19 | 2016-11-20 | 2016-11-21 | 2016-11-22 | 2016-11-23 | 2016-11-24 | 2016-11-25 | 2016-11-26 | 2016-11-27 | 2016-11-28 | 2016-11-29 | 2016-11-30 | 2016-12-01 | 2016-12-02 | 2016-12-03 | 2016-12-04 | 2016-12-05 | 2016-12-06 | 2016-12-07 | 2016-12-08 | 2016-12-09 | 2016-12-10 | 2016-12-11 | 2016-12-12 | 2016-12-13 | 2016-12-14 | 2016-12-15 | 2016-12-16 | 2016-12-17 | 2016-12-18 | 2016-12-19 | 2016-12-20 | 2016-12-21 | 2016-12-22 | 2016-12-23 | 2016-12-24 | 2016-12-25 | 2016-12-26 | 2016-12-27 | 2016-12-28 | 2016-12-29 | 2016-12-30 | 2016-12-31 | language | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 18.0 | 11.0 | 5.0 | 13.0 | 14.0 | 9.0 | 9.0 | 22.0 | 26.0 | 24.0 | 19.0 | 10.0 | 14.0 | 15.0 | 8.0 | 16.0 | 8.0 | 8.0 | 16.0 | 7.0 | 11.0 | 10.0 | 20.0 | 18.0 | 15.0 | 14.0 | 49.0 | 10.0 | 16.0 | 18.0 | 8.0 | 5.0 | 9.0 | 7.0 | 13.0 | 9.0 | 7.0 | 4.0 | 11.0 | 10.0 | 5.0 | 9.0 | 9.0 | 9.0 | 9.0 | 13.0 | 4.0 | 15.0 | 25.0 | 9.0 | 5.0 | 6.0 | 20.0 | 3.0 | 14.0 | 46.0 | 5.0 | 5.0 | 13.0 | 4.0 | 9.0 | 10.0 | 9.0 | 11.0 | 11.0 | 11.0 | 9.0 | 15.0 | 5.0 | 10.0 | 7.0 | 4.0 | 8.0 | 9.0 | 10.0 | 6.0 | 13.0 | 16.0 | 6.0 | 24.0 | 9.0 | 11.0 | 12.0 | 8.0 | 14.0 | 6.0 | 6.0 | 11.0 | 14.0 | 6.0 | 10.0 | 20.0 | 7.0 | 15.0 | 8.0 | 15.0 | 5.0 | 8.0 | 8.0 | 5.0 | 11.0 | 165.0 | 34.0 | 6.0 | 13.0 | 8.0 | 9.0 | 11.0 | 26.0 | 18.0 | 3.0 | 5.0 | 12.0 | 6.0 | 16.0 | 19.0 | 9.0 | 10.0 | 11.0 | 11.0 | 7.0 | 9.0 | 10.0 | 24.0 | 6.0 | 6.0 | 8.0 | 16.0 | 13.0 | 10.0 | 10.0 | 6.0 | 5.0 | 20.0 | 6.0 | 47.0 | 9.0 | 9.0 | 12.0 | 11.0 | 17.0 | 15.0 | 14.0 | 11.0 | 97.0 | 11.0 | 12.0 | 11.0 | 14.0 | 15.0 | 12.0 | 104.0 | 5.0 | 22.0 | 45.0 | 75.0 | 29.0 | 34.0 | 20.0 | 12.0 | 25.0 | 9.0 | 62.0 | 20.0 | 19.0 | 8.0 | 23.0 | 13.0 | 16.0 | 34.0 | 36.0 | 11.0 | 18.0 | 12.0 | 24.0 | 30.0 | 27.0 | 44.0 | 35.0 | 53.0 | 11.0 | 26.0 | 13.0 | 18.0 | 9.0 | 16.0 | 6.0 | 19.0 | 20.0 | 19.0 | 22.0 | 30.0 | 14.0 | 16.0 | 22.0 | 15.0 | 15.0 | 26.0 | 16.0 | 13.0 | 27.0 | 18.0 | 13.0 | 32.0 | 31.0 | 16.0 | 38.0 | 18.0 | 9.0 | 14.0 | 10.0 | 24.0 | 8.0 | 15.0 | 18.0 | 10.0 | 23.0 | 17.0 | 11.0 | 26.0 | 14.0 | 8.0 | 12.0 | 9.0 | 11.0 | 34.0 | 17.0 | 29.0 | 11.0 | 9.0 | 14.0 | 21.0 | 12.0 | 11.0 | 13.0 | 11.0 | 13.0 | 16.0 | 13.0 | 19.0 | 21.0 | 14.0 | 11.0 | 35.0 | 18.0 | 42.0 | 15.0 | 5.0 | 21.0 | 56.0 | 9.0 | 20.0 | 17.0 | 18.0 | 8.0 | 9.0 | 17.0 | 9.0 | 10.0 | 14.0 | 17.0 | 6.0 | 18.0 | 13.0 | 11.0 | 12.0 | 11.0 | 8.0 | 15.0 | 11.0 | 20.0 | 59.0 | 11.0 | 18.0 | 17.0 | 12.0 | 14.0 | 13.0 | 9.0 | 490.0 | 189.0 | 102.0 | 38.0 | 126.0 | 71.0 | 21.0 | 57.0 | 79.0 | 17.0 | 17.0 | 23.0 | 16.0 | 23.0 | 18.0 | 22.0 | 44.0 | 6.0 | 31.0 | 17.0 | 25.0 | 40.0 | 19.0 | 15.0 | 15.0 | 29.0 | 18.0 | 16.0 | 13.0 | 20.0 | 22.0 | 19.0 | 11.0 | 50.0 | 22.0 | 39.0 | 23.0 | 21.0 | 23.0 | 22.0 | 16.0 | 19.0 | 35.0 | 16.0 | 12.0 | 15.0 | 13.0 | 14.0 | 10.0 | 21.0 | 20.0 | 19.0 | 14.0 | 12.0 | 15.0 | 17.0 | 16.0 | 21.0 | 27.0 | 13.0 | 11.0 | 15.0 | 14.0 | 18.0 | 18.0 | 10.0 | 11.0 | 14.0 | 18.0 | 14.0 | 13.0 | 17.0 | 15.0 | 14.0 | 234.0 | 8.0 | 62.0 | 26.0 | 22.0 | 8.0 | 22.0 | 15.0 | 69.0 | 11.0 | 18.0 | 23.0 | 12.0 | 20.0 | 17.0 | 15.0 | 16.0 | 18.0 | 21.0 | 15.0 | 30.0 | 115.0 | 56.0 | 45.0 | 17.0 | 18.0 | 15.0 | 18.0 | 14.0 | 15.0 | 15.0 | 24.0 | 22.0 | 18.0 | 30.0 | 12.0 | 13.0 | 18.0 | 17.0 | 31.0 | 26.0 | 29.0 | 12.0 | 19.0 | 19.0 | 57.0 | 17.0 | 20.0 | 49.0 | 10.0 | 19.0 | 26.0 | 41.0 | 23.0 | 30.0 | 55.0 | 17.0 | 24.0 | 14.0 | 12.0 | 49.0 | 42.0 | 37.0 | 13.0 | 30.0 | 20.0 | 33.0 | 20.0 | 14.0 | 40.0 | 15.0 | 18.0 | 26.0 | 8.0 | 25.0 | 21.0 | 20.0 | 25.0 | 19.0 | 23.0 | 18.0 | 19.0 | 18.0 | 55.0 | 16.0 | 65.0 | 11.0 | 11.0 | 13.0 | 20.0 | 21.0 | 13.0 | 24.0 | 20.0 | 13.0 | 32.0 | 16.0 | 10.0 | 13.0 | 44.0 | 17.0 | 13.0 | 72.0 | 40.0 | 19.0 | 14.0 | 13.0 | 12.0 | 14.0 | 10.0 | 26.0 | 13.0 | 22.0 | 14.0 | 23.0 | 12.0 | 8.0 | 50.0 | 13.0 | 10.0 | 16.0 | 14.0 | 10.0 | 24.0 | 10.0 | 20.0 | 10.0 | 26.0 | 25.0 | 16.0 | 19.0 | 20.0 | 12.0 | 19.0 | 50.0 | 16.0 | 30.0 | 18.0 | 25.0 | 14.0 | 20.0 | 8.0 | 67.0 | 13.0 | 41.0 | 10.0 | 21.0 | 13.0 | 8.0 | 15.0 | 14.0 | 12.0 | 6.0 | 11.0 | 10.0 | 42.0 | 21.0 | 24.0 | 14.0 | 11.0 | 204.0 | 14.0 | 45.0 | 33.0 | 28.0 | 18.0 | 14.0 | 47.0 | 15.0 | 14.0 | 18.0 | 20.0 | 14.0 | 16.0 | 14.0 | 20.0 | 60.0 | 22.0 | 15.0 | 17.0 | 19.0 | 18.0 | 21.0 | 21.0 | 47.0 | 65.0 | 17.0 | 32.0 | 63.0 | 15.0 | 26.0 | 14.0 | 20.0 | 22.0 | 19.0 | 18.0 | 20.0 | zh |
| 1 | 11.0 | 14.0 | 15.0 | 18.0 | 11.0 | 13.0 | 22.0 | 11.0 | 10.0 | 4.0 | 41.0 | 65.0 | 57.0 | 38.0 | 20.0 | 62.0 | 44.0 | 15.0 | 10.0 | 47.0 | 24.0 | 17.0 | 22.0 | 9.0 | 39.0 | 13.0 | 11.0 | 12.0 | 21.0 | 19.0 | 9.0 | 15.0 | 33.0 | 8.0 | 8.0 | 7.0 | 13.0 | 2.0 | 23.0 | 12.0 | 27.0 | 27.0 | 36.0 | 23.0 | 58.0 | 80.0 | 60.0 | 69.0 | 42.0 | 161.0 | 94.0 | 77.0 | 78.0 | 20.0 | 24.0 | 13.0 | 14.0 | 26.0 | 8.0 | 82.0 | 22.0 | 11.0 | 81.0 | 37.0 | 9.0 | 40.0 | 47.0 | 18.0 | 23.0 | 6.0 | 2.0 | 7.0 | 16.0 | 10.0 | 34.0 | 14.0 | 31.0 | 20.0 | 23.0 | 14.0 | 16.0 | 34.0 | 15.0 | 30.0 | 13.0 | 30.0 | 15.0 | 25.0 | 17.0 | 8.0 | 12.0 | 17.0 | 10.0 | 21.0 | 18.0 | 30.0 | 13.0 | 7.0 | 15.0 | 23.0 | 20.0 | 15.0 | 9.0 | 47.0 | 14.0 | 11.0 | 16.0 | 12.0 | 7.0 | 15.0 | 14.0 | 12.0 | 18.0 | 29.0 | 39.0 | 11.0 | 14.0 | 28.0 | 17.0 | 20.0 | 17.0 | 36.0 | 13.0 | 11.0 | 14.0 | 14.0 | 14.0 | 33.0 | 14.0 | 13.0 | 18.0 | 13.0 | 11.0 | 8.0 | 10.0 | 11.0 | 81.0 | 14.0 | 20.0 | 6.0 | 16.0 | 18.0 | 9.0 | 12.0 | 10.0 | 8.0 | 11.0 | 14.0 | 47.0 | 13.0 | 13.0 | 6.0 | 10.0 | 8.0 | 8.0 | 8.0 | 18.0 | 31.0 | 16.0 | 15.0 | 10.0 | 13.0 | 9.0 | 32.0 | 161.0 | 6.0 | 20.0 | 8.0 | 11.0 | 13.0 | 8.0 | 19.0 | 7.0 | 9.0 | 16.0 | 11.0 | 6.0 | 38.0 | 11.0 | 17.0 | 13.0 | 12.0 | 12.0 | 9.0 | 7.0 | 15.0 | 14.0 | 14.0 | 11.0 | 13.0 | 12.0 | 12.0 | 24.0 | 15.0 | 38.0 | 18.0 | 26.0 | 15.0 | 12.0 | 14.0 | 40.0 | 19.0 | 13.0 | 39.0 | 19.0 | 16.0 | 19.0 | 11.0 | 76.0 | 14.0 | 19.0 | 26.0 | 19.0 | 17.0 | 30.0 | 17.0 | 17.0 | 17.0 | 19.0 | 11.0 | 175.0 | 10.0 | 5.0 | 12.0 | 7.0 | 12.0 | 14.0 | 19.0 | 11.0 | 19.0 | 17.0 | 15.0 | 19.0 | 15.0 | 9.0 | 20.0 | 6.0 | 11.0 | 6.0 | 15.0 | 20.0 | 35.0 | 34.0 | 21.0 | 17.0 | 22.0 | 26.0 | 16.0 | 16.0 | 28.0 | 19.0 | 17.0 | 15.0 | 11.0 | 7.0 | 15.0 | 11.0 | 36.0 | 16.0 | 22.0 | 18.0 | 46.0 | 17.0 | 15.0 | 17.0 | 12.0 | 17.0 | 14.0 | 15.0 | 14.0 | 15.0 | 28.0 | 36.0 | 23.0 | 12.0 | 25.0 | 18.0 | 18.0 | 16.0 | 20.0 | 17.0 | 16.0 | 13.0 | 15.0 | 19.0 | 14.0 | 20.0 | 37.0 | 16.0 | 15.0 | 11.0 | 42.0 | 10.0 | 14.0 | 61.0 | 39.0 | 17.0 | 17.0 | 41.0 | 35.0 | 16.0 | 9.0 | 64.0 | 22.0 | 22.0 | 66.0 | 33.0 | 30.0 | 16.0 | 18.0 | 45.0 | 17.0 | 88.0 | 23.0 | 18.0 | 12.0 | 12.0 | 13.0 | 13.0 | 5.0 | 11.0 | 13.0 | 11.0 | 22.0 | 10.0 | 13.0 | 17.0 | 10.0 | 14.0 | 18.0 | 9.0 | 16.0 | 17.0 | 6.0 | 15.0 | 18.0 | 10.0 | 11.0 | 16.0 | 10.0 | 12.0 | 12.0 | 13.0 | 9.0 | 16.0 | 19.0 | 19.0 | 11.0 | 15.0 | 10.0 | 20.0 | 25.0 | 9.0 | 14.0 | 10.0 | 14.0 | 18.0 | 25.0 | 13.0 | 24.0 | 14.0 | 13.0 | 14.0 | 24.0 | 16.0 | 15.0 | 13.0 | 11.0 | 12.0 | 28.0 | 28.0 | 17.0 | 27.0 | 48.0 | 184.0 | 64.0 | 24.0 | 92.0 | 31.0 | 34.0 | 49.0 | 21.0 | 36.0 | 32.0 | 16.0 | 16.0 | 19.0 | 22.0 | 22.0 | 19.0 | 18.0 | 18.0 | 17.0 | 35.0 | 49.0 | 19.0 | 25.0 | 24.0 | 39.0 | 19.0 | 29.0 | 30.0 | 16.0 | 54.0 | 15.0 | 39.0 | 19.0 | 17.0 | 60.0 | 12.0 | 77.0 | 63.0 | 12.0 | 9.0 | 34.0 | 30.0 | 13.0 | 20.0 | 29.0 | 10.0 | 14.0 | 23.0 | 15.0 | 12.0 | 25.0 | 22.0 | 144.0 | 31.0 | 31.0 | 17.0 | 66.0 | 78.0 | 19.0 | 44.0 | 43.0 | 35.0 | 13.0 | 13.0 | 25.0 | 15.0 | 37.0 | 38.0 | 22.0 | 28.0 | 19.0 | 46.0 | 24.0 | 22.0 | 43.0 | 58.0 | 26.0 | 20.0 | 27.0 | 35.0 | 20.0 | 31.0 | 24.0 | 24.0 | 94.0 | 18.0 | 20.0 | 18.0 | 16.0 | 38.0 | 54.0 | 29.0 | 49.0 | 25.0 | 72.0 | 144.0 | 36.0 | 97.0 | 179.0 | 29.0 | 12.0 | 21.0 | 42.0 | 53.0 | 41.0 | 19.0 | 25.0 | 19.0 | 15.0 | 21.0 | 21.0 | 27.0 | 33.0 | 15.0 | 24.0 | 13.0 | 11.0 | 14.0 | 26.0 | 11.0 | 21.0 | 14.0 | 14.0 | 54.0 | 5.0 | 10.0 | 12.0 | 11.0 | 14.0 | 28.0 | 23.0 | 20.0 | 9.0 | 12.0 | 11.0 | 14.0 | 14.0 | 15.0 | 15.0 | 11.0 | 20.0 | 13.0 | 19.0 | 621.0 | 57.0 | 17.0 | 23.0 | 19.0 | 21.0 | 47.0 | 28.0 | 22.0 | 22.0 | 65.0 | 27.0 | 17.0 | 17.0 | 13.0 | 9.0 | 18.0 | 22.0 | 17.0 | 15.0 | 22.0 | 23.0 | 19.0 | 17.0 | 42.0 | 28.0 | 15.0 | 9.0 | 30.0 | 52.0 | 45.0 | 26.0 | 20.0 | zh |
| 2 | 1.0 | 0.0 | 1.0 | 1.0 | 0.0 | 4.0 | 0.0 | 3.0 | 4.0 | 4.0 | 1.0 | 1.0 | 1.0 | 6.0 | 8.0 | 6.0 | 4.0 | 5.0 | 1.0 | 2.0 | 3.0 | 8.0 | 8.0 | 6.0 | 6.0 | 2.0 | 2.0 | 3.0 | 2.0 | 4.0 | 3.0 | 3.0 | 5.0 | 3.0 | 5.0 | 4.0 | 2.0 | 5.0 | 1.0 | 4.0 | 5.0 | 0.0 | 0.0 | 7.0 | 3.0 | 5.0 | 1.0 | 6.0 | 2.0 | 5.0 | 0.0 | 3.0 | 1.0 | 0.0 | 1.0 | 1.0 | 2.0 | 4.0 | 2.0 | 1.0 | 1.0 | 3.0 | 4.0 | 3.0 | 6.0 | 6.0 | 4.0 | 3.0 | 3.0 | 2.0 | 9.0 | 7.0 | 2.0 | 3.0 | 1.0 | 3.0 | 1.0 | 6.0 | 7.0 | 1.0 | 2.0 | 5.0 | 2.0 | 3.0 | 8.0 | 5.0 | 0.0 | 4.0 | 1.0 | 5.0 | 3.0 | 0.0 | 1.0 | 8.0 | 2.0 | 1.0 | 3.0 | 0.0 | 0.0 | 5.0 | 3.0 | 3.0 | 0.0 | 2.0 | 5.0 | 2.0 | 5.0 | 10.0 | 5.0 | 6.0 | 1.0 | 4.0 | 4.0 | 1.0 | 3.0 | 13.0 | 2.0 | 1.0 | 3.0 | 2.0 | 1.0 | 10.0 | 5.0 | 6.0 | 2.0 | 5.0 | 2.0 | 2.0 | 3.0 | 2.0 | 6.0 | 3.0 | 2.0 | 1.0 | 2.0 | 3.0 | 1.0 | 1.0 | 2.0 | 2.0 | 3.0 | 2.0 | 2.0 | 5.0 | 7.0 | 2.0 | 3.0 | 4.0 | 6.0 | 1.0 | 3.0 | 6.0 | 3.0 | 3.0 | 4.0 | 2.0 | 2.0 | 4.0 | 3.0 | 1.0 | 5.0 | 5.0 | 4.0 | 2.0 | 4.0 | 5.0 | 4.0 | 2.0 | 1.0 | 6.0 | 1.0 | 1.0 | 3.0 | 1.0 | 3.0 | 5.0 | 3.0 | 3.0 | 0.0 | 5.0 | 3.0 | 2.0 | 2.0 | 2.0 | 2.0 | 0.0 | 3.0 | 3.0 | 3.0 | 4.0 | 4.0 | 8.0 | 3.0 | 5.0 | 8.0 | 1.0 | 4.0 | 0.0 | 3.0 | 6.0 | 3.0 | 1.0 | 3.0 | 3.0 | 3.0 | 1.0 | 3.0 | 8.0 | 4.0 | 3.0 | 2.0 | 5.0 | 6.0 | 3.0 | 6.0 | 5.0 | 6.0 | 7.0 | 3.0 | 1.0 | 5.0 | 1.0 | 2.0 | 0.0 | 1.0 | 4.0 | 3.0 | 3.0 | 9.0 | 4.0 | 7.0 | 5.0 | 10.0 | 2.0 | 3.0 | 3.0 | 4.0 | 2.0 | 3.0 | 5.0 | 3.0 | 6.0 | 4.0 | 5.0 | 5.0 | 2.0 | 1.0 | 4.0 | 7.0 | 2.0 | 2.0 | 5.0 | 1.0 | 0.0 | 3.0 | 3.0 | 1.0 | 2.0 | 4.0 | 2.0 | 2.0 | 3.0 | 4.0 | 7.0 | 1.0 | 1.0 | 10.0 | 9.0 | 5.0 | 1.0 | 6.0 | 7.0 | 4.0 | 6.0 | 2.0 | 4.0 | 155.0 | 155.0 | 83.0 | 48.0 | 31.0 | 16.0 | 6.0 | 13.0 | 8.0 | 8.0 | 5.0 | 7.0 | 3.0 | 4.0 | 6.0 | 7.0 | 10.0 | 9.0 | 7.0 | 8.0 | 4.0 | 6.0 | 5.0 | 2.0 | 7.0 | 3.0 | 7.0 | 6.0 | 3.0 | 1.0 | 6.0 | 2.0 | 1.0 | 3.0 | 8.0 | 3.0 | 5.0 | 4.0 | 7.0 | 5.0 | 2.0 | 5.0 | 0.0 | 3.0 | 12.0 | 4.0 | 2.0 | 4.0 | 6.0 | 4.0 | 5.0 | 9.0 | 4.0 | 5.0 | 7.0 | 1.0 | 5.0 | 1.0 | 5.0 | 4.0 | 5.0 | 7.0 | 7.0 | 5.0 | 3.0 | 4.0 | 1.0 | 9.0 | 3.0 | 4.0 | 6.0 | 2.0 | 2.0 | 1.0 | 16.0 | 6.0 | 3.0 | 3.0 | 6.0 | 1.0 | 6.0 | 1.0 | 4.0 | 3.0 | 5.0 | 1.0 | 6.0 | 5.0 | 1.0 | 4.0 | 5.0 | 4.0 | 2.0 | 4.0 | 3.0 | 4.0 | 2.0 | 0.0 | 1.0 | 3.0 | 12.0 | 4.0 | 7.0 | 5.0 | 6.0 | 6.0 | 6.0 | 3.0 | 3.0 | 3.0 | 5.0 | 5.0 | 2.0 | 11.0 | 6.0 | 2.0 | 2.0 | 3.0 | 7.0 | 5.0 | 4.0 | 5.0 | 3.0 | 3.0 | 9.0 | 7.0 | 2.0 | 1.0 | 5.0 | 6.0 | 7.0 | 13.0 | 3.0 | 5.0 | 6.0 | 2.0 | 4.0 | 1.0 | 2.0 | 7.0 | 2.0 | 2.0 | 4.0 | 4.0 | 2.0 | 5.0 | 3.0 | 2.0 | 3.0 | 5.0 | 4.0 | 2.0 | 5.0 | 7.0 | 5.0 | 2.0 | 7.0 | 6.0 | 11.0 | 10.0 | 5.0 | 19.0 | 7.0 | 11.0 | 4.0 | 10.0 | 3.0 | 4.0 | 6.0 | 3.0 | 4.0 | 8.0 | 10.0 | 3.0 | 3.0 | 1.0 | 10.0 | 5.0 | 4.0 | 4.0 | 3.0 | 4.0 | 1.0 | 3.0 | 6.0 | 6.0 | 6.0 | 3.0 | 5.0 | 11.0 | 6.0 | 3.0 | 7.0 | 6.0 | 0.0 | 2.0 | 4.0 | 4.0 | 3.0 | 6.0 | 4.0 | 3.0 | 4.0 | 1.0 | 6.0 | 5.0 | 5.0 | 2.0 | 3.0 | 3.0 | 2.0 | 2.0 | 6.0 | 1.0 | 3.0 | 3.0 | 3.0 | 2.0 | 10.0 | 2.0 | 2.0 | 2.0 | 7.0 | 3.0 | 6.0 | 4.0 | 2.0 | 4.0 | 6.0 | 5.0 | 4.0 | 4.0 | 3.0 | 3.0 | 9.0 | 3.0 | 5.0 | 4.0 | 0.0 | 1.0 | 4.0 | 5.0 | 8.0 | 8.0 | 1.0 | 1.0 | 2.0 | 5.0 | 3.0 | 3.0 | 3.0 | 7.0 | 3.0 | 9.0 | 8.0 | 3.0 | 210.0 | 5.0 | 4.0 | 6.0 | 2.0 | 2.0 | 4.0 | 3.0 | 3.0 | 1.0 | 1.0 | 7.0 | 4.0 | 4.0 | 6.0 | 3.0 | 4.0 | 17.0 | zh |
| 3 | 35.0 | 13.0 | 10.0 | 94.0 | 4.0 | 26.0 | 14.0 | 9.0 | 11.0 | 16.0 | 16.0 | 11.0 | 23.0 | 145.0 | 14.0 | 17.0 | 85.0 | 4.0 | 30.0 | 22.0 | 9.0 | 10.0 | 11.0 | 7.0 | 7.0 | 11.0 | 9.0 | 11.0 | 44.0 | 8.0 | 14.0 | 19.0 | 10.0 | 17.0 | 17.0 | 10.0 | 7.0 | 10.0 | 1.0 | 8.0 | 27.0 | 19.0 | 16.0 | 2.0 | 84.0 | 22.0 | 14.0 | 47.0 | 25.0 | 14.0 | 11.0 | 12.0 | 27.0 | 8.0 | 17.0 | 43.0 | 3.0 | 19.0 | 14.0 | 20.0 | 43.0 | 4.0 | 5.0 | 37.0 | 23.0 | 14.0 | 12.0 | 13.0 | 22.0 | 12.0 | 12.0 | 6.0 | 27.0 | 5.0 | 7.0 | 24.0 | 8.0 | 9.0 | 10.0 | 12.0 | 19.0 | 7.0 | 7.0 | 18.0 | 15.0 | 7.0 | 9.0 | 10.0 | 9.0 | 14.0 | 8.0 | 17.0 | 6.0 | 8.0 | 7.0 | 5.0 | 3.0 | 9.0 | 5.0 | 6.0 | 8.0 | 8.0 | 11.0 | 6.0 | 7.0 | 28.0 | 15.0 | 8.0 | 7.0 | 7.0 | 12.0 | 5.0 | 11.0 | 3.0 | 7.0 | 23.0 | 6.0 | 3.0 | 8.0 | 8.0 | 39.0 | 4.0 | 10.0 | 6.0 | 8.0 | 9.0 | 16.0 | 9.0 | 8.0 | 8.0 | 7.0 | 5.0 | 5.0 | 12.0 | 8.0 | 15.0 | 9.0 | 12.0 | 5.0 | 7.0 | 6.0 | 12.0 | 7.0 | 6.0 | 33.0 | 5.0 | 11.0 | 6.0 | 4.0 | 32.0 | 9.0 | 17.0 | 2.0 | 10.0 | 10.0 | 5.0 | 7.0 | 11.0 | 8.0 | 10.0 | 6.0 | 17.0 | 11.0 | 20.0 | 11.0 | 15.0 | 18.0 | 10.0 | 15.0 | 12.0 | 12.0 | 12.0 | 8.0 | 13.0 | 9.0 | 11.0 | 4.0 | 12.0 | 9.0 | 6.0 | 12.0 | 9.0 | 9.0 | 6.0 | 7.0 | 7.0 | 11.0 | 7.0 | 14.0 | 9.0 | 21.0 | 9.0 | 10.0 | 13.0 | 10.0 | 13.0 | 16.0 | 8.0 | 10.0 | 7.0 | 13.0 | 18.0 | 8.0 | 50.0 | 8.0 | 33.0 | 6.0 | 22.0 | 9.0 | 84.0 | 28.0 | 11.0 | 7.0 | 14.0 | 16.0 | 49.0 | 71.0 | 29.0 | 22.0 | 6.0 | 34.0 | 16.0 | 14.0 | 9.0 | 12.0 | 24.0 | 18.0 | 8.0 | 26.0 | 8.0 | 8.0 | 13.0 | 21.0 | 9.0 | 10.0 | 14.0 | 12.0 | 9.0 | 10.0 | 20.0 | 15.0 | 26.0 | 24.0 | 19.0 | 10.0 | 12.0 | 8.0 | 16.0 | 13.0 | 8.0 | 17.0 | 12.0 | 34.0 | 10.0 | 9.0 | 9.0 | 15.0 | 10.0 | 12.0 | 8.0 | 11.0 | 9.0 | 28.0 | 17.0 | 11.0 | 13.0 | 10.0 | 10.0 | 10.0 | 16.0 | 12.0 | 12.0 | 13.0 | 25.0 | 25.0 | 18.0 | 18.0 | 23.0 | 27.0 | 39.0 | 11.0 | 16.0 | 9.0 | 26.0 | 14.0 | 15.0 | 10.0 | 23.0 | 17.0 | 74.0 | 114.0 | 8.0 | 15.0 | 15.0 | 15.0 | 12.0 | 14.0 | 14.0 | 23.0 | 21.0 | 11.0 | 19.0 | 9.0 | 10.0 | 11.0 | 14.0 | 9.0 | 5.0 | 10.0 | 20.0 | 22.0 | 16.0 | 9.0 | 10.0 | 42.0 | 22.0 | 7.0 | 7.0 | 54.0 | 7.0 | 9.0 | 13.0 | 5.0 | 10.0 | 12.0 | 18.0 | 23.0 | 23.0 | 17.0 | 6.0 | 14.0 | 13.0 | 13.0 | 9.0 | 11.0 | 35.0 | 8.0 | 12.0 | 15.0 | 10.0 | 25.0 | 9.0 | 8.0 | 8.0 | 10.0 | 14.0 | 9.0 | 11.0 | 303.0 | 29.0 | 121.0 | 69.0 | 39.0 | 25.0 | 27.0 | 54.0 | 39.0 | 24.0 | 22.0 | 20.0 | 14.0 | 12.0 | 8.0 | 17.0 | 11.0 | 15.0 | 19.0 | 20.0 | 11.0 | 36.0 | 19.0 | 35.0 | 22.0 | 14.0 | 17.0 | 15.0 | 12.0 | 34.0 | 20.0 | 25.0 | 15.0 | 18.0 | 19.0 | 13.0 | 17.0 | 16.0 | 11.0 | 22.0 | 43.0 | 8.0 | 13.0 | 16.0 | 8.0 | 19.0 | 14.0 | 9.0 | 13.0 | 13.0 | 16.0 | 10.0 | 10.0 | 11.0 | 17.0 | 32.0 | 21.0 | 16.0 | 23.0 | 15.0 | 55.0 | 17.0 | 17.0 | 15.0 | 7.0 | 13.0 | 11.0 | 11.0 | 8.0 | 22.0 | 5.0 | 7.0 | 18.0 | 9.0 | 13.0 | 27.0 | 15.0 | 19.0 | 7.0 | 9.0 | 14.0 | 14.0 | 9.0 | 16.0 | 11.0 | 7.0 | 14.0 | 13.0 | 11.0 | 9.0 | 9.0 | 9.0 | 11.0 | 15.0 | 28.0 | 10.0 | 24.0 | 8.0 | 20.0 | 19.0 | 12.0 | 31.0 | 14.0 | 9.0 | 40.0 | 15.0 | 83.0 | 60.0 | 19.0 | 15.0 | 15.0 | 12.0 | 23.0 | 17.0 | 20.0 | 26.0 | 11.0 | 13.0 | 9.0 | 44.0 | 7.0 | 18.0 | 4.0 | 36.0 | 34.0 | 10.0 | 8.0 | 21.0 | 7.0 | 6.0 | 12.0 | 15.0 | 9.0 | 13.0 | 21.0 | 13.0 | 10.0 | 21.0 | 15.0 | 103.0 | 22.0 | 15.0 | 12.0 | 11.0 | 15.0 | 7.0 | 12.0 | 13.0 | 9.0 | 8.0 | 21.0 | 16.0 | 38.0 | 13.0 | 14.0 | 17.0 | 26.0 | 14.0 | 10.0 | 9.0 | 23.0 | 15.0 | 7.0 | 10.0 | 7.0 | 10.0 | 14.0 | 17.0 | 11.0 | 9.0 | 11.0 | 5.0 | 10.0 | 8.0 | 17.0 | 13.0 | 23.0 | 40.0 | 16.0 | 17.0 | 41.0 | 17.0 | 8.0 | 9.0 | 18.0 | 12.0 | 12.0 | 18.0 | 13.0 | 18.0 | 23.0 | 10.0 | 32.0 | 10.0 | 26.0 | 27.0 | 16.0 | 11.0 | 17.0 | 19.0 | 10.0 | 11.0 | zh |
| 4 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 38.0 | 159.0 | 9.0 | 4.0 | 1.0 | 10.0 | 9.0 | 2.0 | 0.0 | 5.0 | 0.0 | 3.0 | 55.0 | 234.0 | 57.0 | 5.0 | 4.0 | 4.0 | 0.0 | 9.0 | 9.0 | 6.0 | 6.0 | 6.0 | 10.0 | 7.0 | 5.0 | 4.0 | 6.0 | 4.0 | 2.0 | 6.0 | 5.0 | 3.0 | 3.0 | 2.0 | 5.0 | 5.0 | 8.0 | 8.0 | 6.0 | 3.0 | 7.0 | 7.0 | 6.0 | 6.0 | 2.0 | 8.0 | 3.0 | 7.0 | 8.0 | 3.0 | 4.0 | 5.0 | 2.0 | 1.0 | 1.0 | 1.0 | 2.0 | 8.0 | 6.0 | 1.0 | 0.0 | 4.0 | 2.0 | 6.0 | 2.0 | 2.0 | 2.0 | 1.0 | 5.0 | 2.0 | 2.0 | 2.0 | 3.0 | 10.0 | 1.0 | 3.0 | 4.0 | 2.0 | 3.0 | 4.0 | 1.0 | 1.0 | 9.0 | 0.0 | 1.0 | 6.0 | 2.0 | 5.0 | 2.0 | 2.0 | 3.0 | 2.0 | 11.0 | 1.0 | 4.0 | 4.0 | 2.0 | 10.0 | 5.0 | 3.0 | 10.0 | 2.0 | 5.0 | 7.0 | 2.0 | 5.0 | 8.0 | 2.0 | 5.0 | 1.0 | 1.0 | 2.0 | 6.0 | 6.0 | 2.0 | 1.0 | 3.0 | 2.0 | 3.0 | 4.0 | 3.0 | 2.0 | 0.0 | 13.0 | 4.0 | 2.0 | 4.0 | 3.0 | 3.0 | 1.0 | 3.0 | 5.0 | 2.0 | 3.0 | 2.0 | 4.0 | 3.0 | 39.0 | 4.0 | 3.0 | 1.0 | 5.0 | 5.0 | 5.0 | 5.0 | 8.0 | 15.0 | 13.0 | 63.0 | 2.0 | 2.0 | 3.0 | 6.0 | 10.0 | 2.0 | 8.0 | 4.0 | 3.0 | 3.0 | 6.0 | 4.0 | 1.0 | 5.0 | 9.0 | 1.0 | 6.0 | 4.0 | 0.0 | 4.0 | 9.0 | 6.0 | 8.0 | 13.0 | 4.0 | 7.0 | 6.0 | 9.0 | 3.0 | 21.0 | 6.0 | 13.0 | 10.0 | 2.0 | 3.0 | 6.0 | 7.0 | 10.0 | 6.0 | 6.0 | 4.0 | 173.0 | 5.0 | 10.0 | 10.0 | 18.0 | 20.0 | 11.0 | 5.0 | 6.0 | 33.0 | 13.0 | 10.0 | 22.0 | 11.0 | 8.0 | 4.0 | 10.0 | 13.0 | 11.0 | 8.0 | 6.0 | 10.0 | 14.0 | 6.0 | 9.0 | 6.0 | 16.0 | 14.0 | 13.0 | 15.0 | 14.0 | 16.0 | 9.0 | 178.0 | 64.0 | 12.0 | 10.0 | 11.0 | 6.0 | 8.0 | 7.0 | 9.0 | 8.0 | 5.0 | 11.0 | 8.0 | 4.0 | 15.0 | 5.0 | 8.0 | 8.0 | 6.0 | 7.0 | 15.0 | 4.0 | 11.0 | 7.0 | 48.0 | 9.0 | 25.0 | 13.0 | 3.0 | 11.0 | 27.0 | 13.0 | 36.0 | 10.0 | zh |
set(df['language'])
{'NA', '_de', 'de', 'en', 'es', 'fr', 'ja', 'ru', 'zh'}
en_df = df.loc[(df['language']=='en')==True]
mean_val_df = df.pivot_table(index='language', aggfunc='mean')
mean_val_df.head()
| 2015-07-01 | 2015-07-02 | 2015-07-03 | 2015-07-04 | 2015-07-05 | 2015-07-06 | 2015-07-07 | 2015-07-08 | 2015-07-09 | 2015-07-10 | 2015-07-11 | 2015-07-12 | 2015-07-13 | 2015-07-14 | 2015-07-15 | 2015-07-16 | 2015-07-17 | 2015-07-18 | 2015-07-19 | 2015-07-20 | 2015-07-21 | 2015-07-22 | 2015-07-23 | 2015-07-24 | 2015-07-25 | 2015-07-26 | 2015-07-27 | 2015-07-28 | 2015-07-29 | 2015-07-30 | 2015-07-31 | 2015-08-01 | 2015-08-02 | 2015-08-03 | 2015-08-04 | 2015-08-05 | 2015-08-06 | 2015-08-07 | 2015-08-08 | 2015-08-09 | 2015-08-10 | 2015-08-11 | 2015-08-12 | 2015-08-13 | 2015-08-14 | 2015-08-15 | 2015-08-16 | 2015-08-17 | 2015-08-18 | 2015-08-19 | 2015-08-20 | 2015-08-21 | 2015-08-22 | 2015-08-23 | 2015-08-24 | 2015-08-25 | 2015-08-26 | 2015-08-27 | 2015-08-28 | 2015-08-29 | 2015-08-30 | 2015-08-31 | 2015-09-01 | 2015-09-02 | 2015-09-03 | 2015-09-04 | 2015-09-05 | 2015-09-06 | 2015-09-07 | 2015-09-08 | 2015-09-09 | 2015-09-10 | 2015-09-11 | 2015-09-12 | 2015-09-13 | 2015-09-14 | 2015-09-15 | 2015-09-16 | 2015-09-17 | 2015-09-18 | 2015-09-19 | 2015-09-20 | 2015-09-21 | 2015-09-22 | 2015-09-23 | 2015-09-24 | 2015-09-25 | 2015-09-26 | 2015-09-27 | 2015-09-28 | 2015-09-29 | 2015-09-30 | 2015-10-01 | 2015-10-02 | 2015-10-03 | 2015-10-04 | 2015-10-05 | 2015-10-06 | 2015-10-07 | 2015-10-08 | 2015-10-09 | 2015-10-10 | 2015-10-11 | 2015-10-12 | 2015-10-13 | 2015-10-14 | 2015-10-15 | 2015-10-16 | 2015-10-17 | 2015-10-18 | 2015-10-19 | 2015-10-20 | 2015-10-21 | 2015-10-22 | 2015-10-23 | 2015-10-24 | 2015-10-25 | 2015-10-26 | 2015-10-27 | 2015-10-28 | 2015-10-29 | 2015-10-30 | 2015-10-31 | 2015-11-01 | 2015-11-02 | 2015-11-03 | 2015-11-04 | 2015-11-05 | 2015-11-06 | 2015-11-07 | 2015-11-08 | 2015-11-09 | 2015-11-10 | 2015-11-11 | 2015-11-12 | 2015-11-13 | 2015-11-14 | 2015-11-15 | 2015-11-16 | 2015-11-17 | 2015-11-18 | 2015-11-19 | 2015-11-20 | 2015-11-21 | 2015-11-22 | 2015-11-23 | 2015-11-24 | 2015-11-25 | 2015-11-26 | 2015-11-27 | 2015-11-28 | 2015-11-29 | 2015-11-30 | 2015-12-01 | 2015-12-02 | 2015-12-03 | 2015-12-04 | 2015-12-05 | 2015-12-06 | 2015-12-07 | 2015-12-08 | 2015-12-09 | 2015-12-10 | 2015-12-11 | 2015-12-12 | 2015-12-13 | 2015-12-14 | 2015-12-15 | 2015-12-16 | 2015-12-17 | 2015-12-18 | 2015-12-19 | 2015-12-20 | 2015-12-21 | 2015-12-22 | 2015-12-23 | 2015-12-24 | 2015-12-25 | 2015-12-26 | 2015-12-27 | 2015-12-28 | 2015-12-29 | 2015-12-30 | 2015-12-31 | 2016-01-01 | 2016-01-02 | 2016-01-03 | 2016-01-04 | 2016-01-05 | 2016-01-06 | 2016-01-07 | 2016-01-08 | 2016-01-09 | 2016-01-10 | 2016-01-11 | 2016-01-12 | 2016-01-13 | 2016-01-14 | 2016-01-15 | 2016-01-16 | 2016-01-17 | 2016-01-18 | 2016-01-19 | 2016-01-20 | 2016-01-21 | 2016-01-22 | 2016-01-23 | 2016-01-24 | 2016-01-25 | 2016-01-26 | 2016-01-27 | 2016-01-28 | 2016-01-29 | 2016-01-30 | 2016-01-31 | 2016-02-01 | 2016-02-02 | 2016-02-03 | 2016-02-04 | 2016-02-05 | 2016-02-06 | 2016-02-07 | 2016-02-08 | 2016-02-09 | 2016-02-10 | 2016-02-11 | 2016-02-12 | 2016-02-13 | 2016-02-14 | 2016-02-15 | 2016-02-16 | 2016-02-17 | 2016-02-18 | 2016-02-19 | 2016-02-20 | 2016-02-21 | 2016-02-22 | 2016-02-23 | 2016-02-24 | 2016-02-25 | 2016-02-26 | 2016-02-27 | 2016-02-28 | 2016-02-29 | 2016-03-01 | 2016-03-02 | 2016-03-03 | 2016-03-04 | 2016-03-05 | 2016-03-06 | 2016-03-07 | 2016-03-08 | 2016-03-09 | 2016-03-10 | 2016-03-11 | 2016-03-12 | 2016-03-13 | 2016-03-14 | 2016-03-15 | 2016-03-16 | 2016-03-17 | 2016-03-18 | 2016-03-19 | 2016-03-20 | 2016-03-21 | 2016-03-22 | 2016-03-23 | 2016-03-24 | 2016-03-25 | 2016-03-26 | 2016-03-27 | 2016-03-28 | 2016-03-29 | 2016-03-30 | 2016-03-31 | 2016-04-01 | 2016-04-02 | 2016-04-03 | 2016-04-04 | 2016-04-05 | 2016-04-06 | 2016-04-07 | 2016-04-08 | 2016-04-09 | 2016-04-10 | 2016-04-11 | 2016-04-12 | 2016-04-13 | 2016-04-14 | 2016-04-15 | 2016-04-16 | 2016-04-17 | 2016-04-18 | 2016-04-19 | 2016-04-20 | 2016-04-21 | 2016-04-22 | 2016-04-23 | 2016-04-24 | 2016-04-25 | 2016-04-26 | 2016-04-27 | 2016-04-28 | 2016-04-29 | 2016-04-30 | 2016-05-01 | 2016-05-02 | 2016-05-03 | 2016-05-04 | 2016-05-05 | 2016-05-06 | 2016-05-07 | 2016-05-08 | 2016-05-09 | 2016-05-10 | 2016-05-11 | 2016-05-12 | 2016-05-13 | 2016-05-14 | 2016-05-15 | 2016-05-16 | 2016-05-17 | 2016-05-18 | 2016-05-19 | 2016-05-20 | 2016-05-21 | 2016-05-22 | 2016-05-23 | 2016-05-24 | 2016-05-25 | 2016-05-26 | 2016-05-27 | 2016-05-28 | 2016-05-29 | 2016-05-30 | 2016-05-31 | 2016-06-01 | 2016-06-02 | 2016-06-03 | 2016-06-04 | 2016-06-05 | 2016-06-06 | 2016-06-07 | 2016-06-08 | 2016-06-09 | 2016-06-10 | 2016-06-11 | 2016-06-12 | 2016-06-13 | 2016-06-14 | 2016-06-15 | 2016-06-16 | 2016-06-17 | 2016-06-18 | 2016-06-19 | 2016-06-20 | 2016-06-21 | 2016-06-22 | 2016-06-23 | 2016-06-24 | 2016-06-25 | 2016-06-26 | 2016-06-27 | 2016-06-28 | 2016-06-29 | 2016-06-30 | 2016-07-01 | 2016-07-02 | 2016-07-03 | 2016-07-04 | 2016-07-05 | 2016-07-06 | 2016-07-07 | 2016-07-08 | 2016-07-09 | 2016-07-10 | 2016-07-11 | 2016-07-12 | 2016-07-13 | 2016-07-14 | 2016-07-15 | 2016-07-16 | 2016-07-17 | 2016-07-18 | 2016-07-19 | 2016-07-20 | 2016-07-21 | 2016-07-22 | 2016-07-23 | 2016-07-24 | 2016-07-25 | 2016-07-26 | 2016-07-27 | 2016-07-28 | 2016-07-29 | 2016-07-30 | 2016-07-31 | 2016-08-01 | 2016-08-02 | 2016-08-03 | 2016-08-04 | 2016-08-05 | 2016-08-06 | 2016-08-07 | 2016-08-08 | 2016-08-09 | 2016-08-10 | 2016-08-11 | 2016-08-12 | 2016-08-13 | 2016-08-14 | 2016-08-15 | 2016-08-16 | 2016-08-17 | 2016-08-18 | 2016-08-19 | 2016-08-20 | 2016-08-21 | 2016-08-22 | 2016-08-23 | 2016-08-24 | 2016-08-25 | 2016-08-26 | 2016-08-27 | 2016-08-28 | 2016-08-29 | 2016-08-30 | 2016-08-31 | 2016-09-01 | 2016-09-02 | 2016-09-03 | 2016-09-04 | 2016-09-05 | 2016-09-06 | 2016-09-07 | 2016-09-08 | 2016-09-09 | 2016-09-10 | 2016-09-11 | 2016-09-12 | 2016-09-13 | 2016-09-14 | 2016-09-15 | 2016-09-16 | 2016-09-17 | 2016-09-18 | 2016-09-19 | 2016-09-20 | 2016-09-21 | 2016-09-22 | 2016-09-23 | 2016-09-24 | 2016-09-25 | 2016-09-26 | 2016-09-27 | 2016-09-28 | 2016-09-29 | 2016-09-30 | 2016-10-01 | 2016-10-02 | 2016-10-03 | 2016-10-04 | 2016-10-05 | 2016-10-06 | 2016-10-07 | 2016-10-08 | 2016-10-09 | 2016-10-10 | 2016-10-11 | 2016-10-12 | 2016-10-13 | 2016-10-14 | 2016-10-15 | 2016-10-16 | 2016-10-17 | 2016-10-18 | 2016-10-19 | 2016-10-20 | 2016-10-21 | 2016-10-22 | 2016-10-23 | 2016-10-24 | 2016-10-25 | 2016-10-26 | 2016-10-27 | 2016-10-28 | 2016-10-29 | 2016-10-30 | 2016-10-31 | 2016-11-01 | 2016-11-02 | 2016-11-03 | 2016-11-04 | 2016-11-05 | 2016-11-06 | 2016-11-07 | 2016-11-08 | 2016-11-09 | 2016-11-10 | 2016-11-11 | 2016-11-12 | 2016-11-13 | 2016-11-14 | 2016-11-15 | 2016-11-16 | 2016-11-17 | 2016-11-18 | 2016-11-19 | 2016-11-20 | 2016-11-21 | 2016-11-22 | 2016-11-23 | 2016-11-24 | 2016-11-25 | 2016-11-26 | 2016-11-27 | 2016-11-28 | 2016-11-29 | 2016-11-30 | 2016-12-01 | 2016-12-02 | 2016-12-03 | 2016-12-04 | 2016-12-05 | 2016-12-06 | 2016-12-07 | 2016-12-08 | 2016-12-09 | 2016-12-10 | 2016-12-11 | 2016-12-12 | 2016-12-13 | 2016-12-14 | 2016-12-15 | 2016-12-16 | 2016-12-17 | 2016-12-18 | 2016-12-19 | 2016-12-20 | 2016-12-21 | 2016-12-22 | 2016-12-23 | 2016-12-24 | 2016-12-25 | 2016-12-26 | 2016-12-27 | 2016-12-28 | 2016-12-29 | 2016-12-30 | 2016-12-31 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| language | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| NA | 124.284493 | 128.301077 | 123.393474 | 111.330127 | 119.047298 | 130.555252 | 135.840366 | 139.953745 | 127.215591 | 128.105765 | 106.282181 | 108.629682 | 120.425034 | 130.504795 | 135.777781 | 132.082497 | 140.784296 | 130.648663 | 123.435131 | 123.507023 | 143.138679 | 150.970555 | 137.581002 | 132.231498 | 123.833653 | 119.890540 | 141.104862 | 135.682423 | 142.142063 | 137.356639 | 203.751495 | 135.085740 | 212.990326 | 134.755133 | 151.294449 | 153.789288 | 170.970640 | 169.060554 | 199.832497 | 156.986236 | 176.160537 | 185.184313 | 150.668660 | 166.430449 | 161.603621 | 209.460261 | 182.001579 | 162.709781 | 165.085599 | 168.217819 | 158.158901 | 141.881684 | 114.433072 | 115.736744 | 132.665191 | 130.867357 | 125.115806 | 130.249069 | 124.093017 | 116.659550 | 125.653035 | 125.869387 | 130.325530 | 151.835966 | 143.698866 | 137.851083 | 144.087912 | 135.023466 | 147.500000 | 146.867103 | 141.728960 | 143.034804 | 132.072259 | 119.450869 | 119.142599 | 128.656899 | 133.272873 | 140.771661 | 137.654924 | 140.401935 | 130.408817 | 122.500931 | 135.212771 | 132.646773 | 132.266104 | 140.938290 | 134.212150 | 124.036496 | 121.631177 | 146.725011 | 140.812303 | 147.355257 | 150.213589 | 141.980737 | 127.792926 | 134.280573 | 141.687274 | 138.225491 | 134.298821 | 135.318338 | 133.018163 | 123.957835 | 119.842537 | 137.159860 | 133.445341 | 136.307000 | 139.993654 | 135.124323 | 132.468101 | 140.572089 | 147.281899 | 148.407576 | 140.701546 | 141.926444 | 135.255951 | 121.137325 | 123.640935 | 135.872208 | 140.116821 | 147.608078 | 139.501044 | 136.753018 | 121.360954 | 126.556464 | 137.211925 | 134.239198 | 132.125254 | 132.767656 | 129.086050 | 120.297016 | 123.229270 | 135.725914 | 140.468468 | 131.426444 | 132.404276 | 127.988013 | 121.748167 | 130.217255 | 137.498054 | 145.269912 | 145.976506 | 146.699825 | 140.489649 | 125.834866 | 130.837799 | 134.686033 | 136.552629 | 136.281024 | 144.882192 | 130.099898 | 121.522902 | 126.437923 | 137.045521 | 142.942154 | 146.848714 | 142.221204 | 142.248392 | 130.922411 | 128.854580 | 146.515540 | 141.374436 | 157.992667 | 145.448415 | 143.150637 | 147.565800 | 128.142966 | 138.295719 | 143.125536 | 152.051275 | 147.091353 | 137.872349 | 127.891104 | 129.832074 | 146.682226 | 142.553926 | 142.797383 | 125.874803 | 120.229214 | 133.587602 | 138.249746 | 143.299865 | 144.322202 | 150.514046 | 127.482288 | 127.490806 | 144.209245 | 129.993005 | 143.234967 | 150.962771 | 174.963560 | 148.283873 | 145.038837 | 132.721965 | 134.607457 | 151.606216 | 143.223150 | 144.043180 | 142.256092 | 139.198838 | 131.364198 | 136.259223 | 155.244557 | 160.360052 | 170.642092 | 160.122349 | 154.755274 | 141.315320 | 139.424667 | 158.025581 | 164.351337 | 148.041601 | 146.605991 | 141.141781 | 132.588871 | 138.980680 | 153.899284 | 152.293096 | 156.795831 | 152.199176 | 165.283986 | 152.033676 | 156.615072 | 180.018107 | 168.672129 | 160.971063 | 196.406955 | 162.961248 | 143.973629 | 137.575502 | 147.808439 | 148.371051 | 148.636817 | 147.600716 | 145.274989 | 137.295126 | 160.820538 | 146.198274 | 150.372744 | 161.127454 | 170.773071 | 167.778007 | 148.388228 | 162.828830 | 164.373533 | 167.159747 | 169.700079 | 168.698556 | 168.207638 | 168.053475 | 166.193677 | 172.267120 | 173.342932 | 160.832045 | 150.306775 | 149.351619 | 139.613775 | 134.824741 | 144.778345 | 144.046480 | 141.133123 | 144.752454 | 137.442746 | 135.563713 | 131.564051 | 142.063487 | 156.965055 | 163.523014 | 145.448725 | 146.601139 | 153.235757 | 139.512325 | 167.166347 | 172.524058 | 174.525609 | 170.097417 | 161.154981 | 148.045183 | 156.774058 | 158.102691 | 172.834161 | 176.666009 | 165.698076 | 163.031024 | 175.149791 | 200.528824 | 159.919901 | 161.762917 | 162.208991 | 168.151173 | 185.813233 | 153.771689 | 166.452787 | 172.925147 | 177.952617 | 182.122546 | 185.417306 | 180.352127 | 185.316392 | 212.245318 | 211.659663 | 210.192605 | 217.748505 | 218.268079 | 196.500677 | 171.144376 | 192.926839 | 204.960204 | 199.689249 | 197.021548 | 244.208286 | 291.852916 | 273.652273 | 279.870741 | 305.856949 | 266.375959 | 186.767825 | 178.339999 | 171.962940 | 158.736970 | 174.999774 | 181.815574 | 180.057028 | 173.047101 | 172.281842 | 159.959245 | 162.701489 | 166.147704 | 174.638340 | 175.057649 | 181.016302 | 230.111772 | 193.151004 | 161.050598 | 153.065546 | 169.739198 | 181.857796 | 192.837884 | 189.936654 | 176.258518 | 166.261084 | 177.049836 | 182.639243 | 173.883546 | 149.842594 | 176.554913 | 157.818423 | 174.702420 | 174.313036 | 202.186259 | 196.792926 | 206.188120 | 209.551472 | 190.999633 | 195.363718 | 226.506882 | 190.505077 | 170.158140 | 170.936654 | 180.812133 | 157.793716 | 192.657858 | 206.097191 | 145.114677 | 142.885097 | 156.764271 | 165.287539 | 168.491454 | 129.500226 | 132.320284 | 123.026681 | 114.121192 | 129.166065 | 145.410283 | 138.699994 | 113.495036 | 102.336417 | 130.933157 | 121.265935 | 122.778486 | 116.205438 | 156.593806 | 114.482429 | 101.953097 | 170.084866 | 150.969906 | 120.288075 | 128.178644 | 133.338278 | 116.875705 | 155.379061 | 192.369557 | 139.642402 | 119.613859 | 121.161665 | 123.299442 | 106.237900 | 173.539062 | 128.093947 | 152.183636 | 159.600209 | 141.533563 | 154.260746 | 145.140963 | 139.282237 | 158.018784 | 142.799075 | 173.042419 | 149.535058 | 133.949374 | 128.700220 | 130.749295 | 133.907265 | 157.195425 | 208.155742 | 181.701517 | 147.972811 | 127.808833 | 114.633264 | 128.025045 | 138.558551 | 181.432903 | 146.212291 | 168.606047 | 171.426500 | 182.853255 | 151.572625 | 156.936682 | 225.175767 | 237.204817 | 344.097332 | 292.221401 | 361.382023 | 178.841353 | 219.798257 | 210.732401 | 190.909127 | 179.138002 | 184.656729 | 253.477268 | 177.232147 | 180.979129 | 197.680449 | 217.314954 | 231.365439 | 157.643163 | 183.077279 | 177.203238 | 194.847699 | 179.659042 | 199.827025 | 207.117385 | 191.759646 | 170.355003 | 196.417785 | 194.860644 | 186.845442 | 200.794844 | 200.678729 | 155.364621 | 142.664965 | 151.933890 | 132.095555 | 152.126861 | 246.011620 | 236.154078 | 133.987985 | 158.517430 | 159.610390 | 152.097163 | 154.158676 | 173.945623 | 147.978593 | 150.070848 | 147.052995 | 177.344370 | 205.354101 | 206.074289 | 136.458822 | 131.138453 | 132.109037 | 127.548144 | 138.308439 | 149.331876 | 139.229496 | 130.368964 | 154.479891 | 126.654699 | 127.663498 | 151.529135 | 142.077194 | 135.116341 | 133.446356 | 145.729101 | 160.241257 | 157.267543 | 195.313487 | 192.226845 | 176.426726 | 145.320284 | 154.415839 | 130.464266 | 134.105906 | 167.913019 | 134.093976 | 147.444720 | 163.680139 | 137.498477 | 122.209781 | 120.245290 | 132.878187 | 138.825502 | 138.674385 | 138.302995 | 124.561738 | 131.115241 | 130.397732 | 150.746390 | 243.022253 | 146.290303 | 141.071553 | 138.157999 | 154.901286 | 166.391640 | 166.160283 | 156.375564 | 154.348319 | 150.514187 | 279.354016 | 217.637833 | 168.392543 | 168.924724 | 146.686231 | 155.168801 | 150.442831 | 144.795831 | 180.798116 | 175.554039 | 154.432593 | 177.784324 | 214.646294 | 138.774340 | 172.324402 | 147.766951 | 172.023579 | 173.453351 | 154.427600 | 194.112336 | 154.616341 | 171.983444 | 151.356047 |
| _de | 11.000000 | 192.000000 | 192.000000 | 80.000000 | 72.000000 | 29.000000 | 44.000000 | 101.000000 | 72.000000 | 78.000000 | 57.000000 | 83.000000 | 192.000000 | 192.000000 | 192.000000 | 11.000000 | 192.000000 | 11.000000 | 11.000000 | 192.000000 | 24.000000 | 210.000000 | 192.000000 | 107.000000 | 192.000000 | 708.000000 | 73.000000 | 707.000000 | 625.000000 | 2709.000000 | 849.000000 | 513.000000 | 48.000000 | 385.000000 | 193.000000 | 1128.000000 | 191.000000 | 893.000000 | 1758.000000 | 292.000000 | 91.000000 | 72.000000 | 158.000000 | 192.000000 | 468.000000 | 231.000000 | 456.000000 | 203.000000 | 182.000000 | 389.000000 | 126.000000 | 35.000000 | 185.000000 | 212.000000 | 13.000000 | 13.000000 | 13.000000 | 490.000000 | 62.000000 | 578.000000 | 294.000000 | 208.000000 | 487.000000 | 764.000000 | 492.000000 | 1280.000000 | 617.000000 | 659.000000 | 668.000000 | 247.000000 | 405.000000 | 248.000000 | 514.000000 | 134.000000 | 161.000000 | 578.000000 | 109.000000 | 65.000000 | 360.000000 | 103.000000 | 245.000000 | 148.000000 | 135.000000 | 13.000000 | 102.000000 | 383.000000 | 263.000000 | 124.000000 | 425.000000 | 189.000000 | 284.000000 | 278.000000 | 414.000000 | 180.000000 | 87.000000 | 172.000000 | 646.000000 | 250.000000 | 460.000000 | 137.000000 | 117.000000 | 70.000000 | 248.000000 | 313.000000 | 169.000000 | 632.000000 | 155.000000 | 184.000000 | 249.000000 | 156.000000 | 37.000000 | 126.000000 | 89.000000 | 399.000000 | 276.000000 | 229.000000 | 709.000000 | 115.000000 | 569.000000 | 63.000000 | 863.000000 | 22.000000 | 48.000000 | 59.000000 | 489.000000 | 58.000000 | 54.000000 | 13.000000 | 85.000000 | 277.000000 | 440.000000 | 781.000000 | 1111.000000 | 434.000000 | 238.000000 | 233.000000 | 525.000000 | 222.000000 | 153.000000 | 104.000000 | 1308.000000 | 177.000000 | 451.000000 | 26.000000 | 17.000000 | 192.000000 | 192.000000 | 695.000000 | 162.000000 | 145.000000 | 288.000000 | 122.000000 | 446.000000 | 895.000000 | 519.000000 | 325.000000 | 919.000000 | 553.000000 | 529.000000 | 382.000000 | 557.000000 | 331.000000 | 309.000000 | 496.000000 | 405.000000 | 417.000000 | 441.000000 | 578.000000 | 513.000000 | 567.000000 | 944.000000 | 328.000000 | 563.000000 | 374.000000 | 590.000000 | 713.000000 | 408.000000 | 652.000000 | 563.000000 | 534.000000 | 647.000000 | 389.000000 | 342.000000 | 512.000000 | 249.000000 | 284.000000 | 183.000000 | 275.000000 | 254.000000 | 301.000000 | 457.000000 | 790.000000 | 379.000000 | 576.000000 | 825.000000 | 841.000000 | 383.000000 | 716.000000 | 518.000000 | 747.000000 | 109.000000 | 297.000000 | 67.000000 | 270.000000 | 559.000000 | 1090.000000 | 398.000000 | 220.000000 | 193.000000 | 241.000000 | 383.000000 | 920.000000 | 461.000000 | 685.000000 | 432.000000 | 134.000000 | 668.000000 | 117.000000 | 504.000000 | 461.000000 | 61.000000 | 370.000000 | 127.000000 | 288.000000 | 144.000000 | 244.000000 | 39.000000 | 192.000000 | 28.000000 | 111.000000 | 582.000000 | 545.000000 | 245.000000 | 405.000000 | 304.000000 | 192.000000 | 30.000000 | 192.000000 | 192.000000 | 634.000000 | 66.000000 | 192.000000 | 303.000000 | 186.000000 | 167.000000 | 94.000000 | 130.000000 | 150.000000 | 241.000000 | 599.000000 | 397.000000 | 323.000000 | 744.000000 | 522.000000 | 63.000000 | 633.000000 | 793.000000 | 564.000000 | 35.000000 | 264.000000 | 191.000000 | 33.000000 | 22.000000 | 192.000000 | 35.000000 | 89.000000 | 54.000000 | 13.000000 | 11.000000 | 52.000000 | 26.000000 | 599.000000 | 109.000000 | 76.000000 | 52.000000 | 35.000000 | 24.000000 | 43.000000 | 13.000000 | 91.000000 | 128.000000 | 139.000000 | 244.000000 | 100.000000 | 43.000000 | 351.000000 | 39.000000 | 117.000000 | 13.000000 | 65.000000 | 587.000000 | 588.000000 | 165.000000 | 450.000000 | 172.000000 | 198.000000 | 135.000000 | 13.000000 | 115.000000 | 87.000000 | 336.000000 | 118.000000 | 242.000000 | 174.000000 | 79.000000 | 120.000000 | 67.000000 | 96.000000 | 174.000000 | 349.000000 | 191.000000 | 356.000000 | 1027.000000 | 376.000000 | 146.000000 | 318.000000 | 3208.000000 | 5938.000000 | 2559.000000 | 1197.000000 | 226.000000 | 227.000000 | 187.000000 | 104.000000 | 220.000000 | 155.000000 | 260.000000 | 141.000000 | 100.000000 | 152.000000 | 122.000000 | 63.000000 | 152.000000 | 13.000000 | 139.000000 | 178.000000 | 208.000000 | 114.000000 | 283.000000 | 115.000000 | 636.000000 | 552.000000 | 488.000000 | 534.000000 | 454.000000 | 390.000000 | 150.000000 | 295.000000 | 368.000000 | 336.000000 | 283.000000 | 407.000000 | 16.000000 | 241.000000 | 328.000000 | 215.000000 | 945.000000 | 65.000000 | 192.000000 | 22.000000 | 26.000000 | 65.000000 | 37.000000 | 180.000000 | 24.000000 | 102.000000 | 43.000000 | 192.000000 | 52.000000 | 259.000000 | 192.000000 | 192.000000 | 11.000000 | 173.000000 | 86.000000 | 15.000000 | 26.000000 | 98.000000 | 73.000000 | 167.000000 | 182.000000 | 13.000000 | 128.000000 | 198.000000 | 52.000000 | 26.000000 | 174.000000 | 114.000000 | 171.000000 | 1094.000000 | 351.000000 | 154.000000 | 125.000000 | 222.000000 | 175.000000 | 163.000000 | 192.000000 | 26.000000 | 192.000000 | 70.000000 | 26.000000 | 37.000000 | 9.000000 | 37.000000 | 85.000000 | 143.000000 | 270.000000 | 15.000000 | 24.000000 | 310.000000 | 128.000000 | 26.000000 | 123.000000 | 63.000000 | 109.000000 | 33.000000 | 98.000000 | 192.000000 | 192.000000 | 13.000000 | 126.000000 | 159.000000 | 3492.000000 | 4775.000000 | 389.000000 | 192.000000 | 52.000000 | 31.000000 | 192.000000 | 26.000000 | 54.000000 | 37.000000 | 192.000000 | 13.000000 | 192.000000 | 192.000000 | 192.000000 | 35.000000 | 28.000000 | 772.000000 | 13713.000000 | 4609.000000 | 272.000000 | 117.000000 | 11.000000 | 263.000000 | 325.000000 | 408.000000 | 85.000000 | 387.000000 | 338.000000 | 258.000000 | 606.000000 | 1494.000000 | 781.000000 | 566.000000 | 1246.000000 | 1190.000000 | 2247.000000 | 11346.000000 | 765.000000 | 962.000000 | 192.000000 | 779.000000 | 498.000000 | 891.000000 | 2097.000000 | 1438.000000 | 28.000000 | 762.000000 | 1258.000000 | 982.000000 | 379.000000 | 197.000000 | 197.000000 | 361.000000 | 1752.000000 | 11900.000000 | 1175.000000 | 798.000000 | 73.000000 | 91.000000 | 735.000000 | 144.000000 | 192.000000 | 200.000000 | 144.000000 | 229.000000 | 192.000000 | 24.000000 | 13.000000 | 24.000000 | 11.000000 | 1722.000000 | 3663.000000 | 3336.000000 | 192.000000 | 24.000000 | 226.000000 | 316.000000 | 98.000000 | 13.000000 | 30.000000 | 184.000000 | 524.000000 | 205.000000 | 39.000000 | 192.000000 | 192.000000 | 26.000000 | 192.000000 | 15.000000 | 61.000000 | 52.000000 | 13.000000 | 24.000000 | 192.000000 | 192.000000 | 192.000000 | 28.000000 | 22.000000 | 35.000000 | 11.000000 | 81.000000 | 141.000000 | 113.000000 | 169.000000 | 123.000000 | 277.000000 | 264.000000 | 106.000000 | 46.000000 | 24.000000 | 7.000000 | 30.000000 | 192.000000 | 192.000000 | 234.000000 | 192.000000 | 39.000000 | 13.000000 | 13.000000 | 115.000000 | 236.000000 | 192.000000 | 79.000000 | 111.000000 | 26.000000 | 11.000000 | 93.000000 |
| de | 748.269078 | 738.514997 | 709.930981 | 653.911157 | 755.402831 | 828.627678 | 804.455823 | 815.614173 | 786.091528 | 734.555595 | 681.797093 | 803.507539 | 874.126024 | 833.323453 | 779.690405 | 772.491566 | 794.234772 | 929.449287 | 879.028448 | 807.686229 | 755.239410 | 769.896702 | 748.663150 | 711.692737 | 707.514102 | 738.057276 | 788.023214 | 782.003281 | 779.941992 | 746.691870 | 701.400418 | 687.459972 | 710.136139 | 737.224169 | 779.012231 | 747.307751 | 752.398601 | 767.022021 | 696.206568 | 773.289988 | 740.308049 | 765.495200 | 770.295927 | 784.771736 | 748.883061 | 708.970792 | 843.955253 | 829.387238 | 814.178446 | 776.786977 | 780.907035 | 736.559907 | 648.697456 | 778.802788 | 823.705158 | 855.931252 | 783.724223 | 798.660194 | 783.334897 | 685.039540 | 800.117725 | 804.203395 | 829.478142 | 830.290340 | 862.285594 | 796.069643 | 764.502631 | 853.246217 | 868.259966 | 835.294408 | 810.536530 | 801.100450 | 837.120491 | 731.104274 | 853.017411 | 879.967728 | 830.154960 | 818.794489 | 823.076694 | 803.209334 | 782.408825 | 894.913842 | 871.783940 | 857.321853 | 866.747708 | 856.708277 | 831.569670 | 747.861664 | 825.346667 | 867.015675 | 834.561263 | 816.472447 | 794.957775 | 771.032218 | 835.829528 | 867.670500 | 869.573249 | 842.288360 | 852.613820 | 832.181130 | 821.539513 | 777.867468 | 878.886695 | 856.872647 | 859.446005 | 857.932174 | 854.639122 | 798.817134 | 760.523865 | 861.649265 | 873.160031 | 875.573656 | 871.532543 | 864.082199 | 826.375224 | 767.486766 | 870.531947 | 882.492868 | 849.811764 | 838.100857 | 840.580870 | 815.183002 | 787.058442 | 909.902370 | 892.566958 | 863.216738 | 893.349270 | 867.747925 | 831.662255 | 823.776835 | 979.603705 | 976.844091 | 993.444948 | 950.503471 | 902.514834 | 872.321609 | 864.142485 | 1084.921950 | 1038.421001 | 995.444514 | 1019.095704 | 1007.738488 | 912.789635 | 946.960921 | 1063.639258 | 1006.345284 | 931.005261 | 916.453761 | 894.086321 | 865.305310 | 836.100179 | 996.734393 | 950.542686 | 900.248495 | 902.393448 | 1012.226040 | 1092.151380 | 1024.755004 | 1160.470874 | 1290.987118 | 947.728942 | 899.766936 | 892.740874 | 835.793649 | 823.006373 | 932.990101 | 1015.618702 | 917.334138 | 918.311900 | 911.962114 | 846.234556 | 841.218203 | 973.870288 | 920.158892 | 847.970847 | 809.020773 | 770.829555 | 904.938710 | 979.847399 | 1005.118349 | 925.211531 | 947.316727 | 893.412052 | 833.269621 | 1017.680561 | 1034.984759 | 1089.502929 | 1114.152601 | 1026.193524 | 1060.888160 | 1037.194853 | 1027.492596 | 1016.419076 | 1144.798828 | 1244.174649 | 1088.424771 | 1047.061344 | 1094.867549 | 1129.310408 | 1053.610376 | 1161.009139 | 1096.623719 | 1093.326897 | 1086.015756 | 1016.142404 | 1047.209443 | 963.152763 | 1090.179015 | 1070.471986 | 1026.216087 | 1014.904486 | 1007.694012 | 961.960135 | 996.704100 | 1157.517167 | 1113.591067 | 1014.619868 | 1000.340647 | 967.988935 | 907.760916 | 886.974508 | 1036.965748 | 1127.802517 | 1004.004692 | 969.781418 | 969.243369 | 928.242122 | 928.838396 | 1033.035933 | 1016.325161 | 994.726257 | 966.958751 | 908.303873 | 870.784862 | 904.402723 | 994.413733 | 992.644275 | 915.486278 | 1053.254000 | 961.437436 | 930.204290 | 836.370424 | 1092.470223 | 1178.741037 | 970.594701 | 972.316727 | 989.763004 | 908.059934 | 855.803412 | 1060.365162 | 1003.942507 | 966.783425 | 935.611000 | 886.174161 | 910.100830 | 852.814042 | 1016.252970 | 1033.534767 | 955.907930 | 960.030726 | 881.149889 | 968.033926 | 821.372891 | 926.101481 | 933.576531 | 894.136031 | 917.896675 | 944.368769 | 1158.224250 | 855.891007 | 983.435293 | 1028.735450 | 1078.561371 | 949.745702 | 865.034740 | 942.728128 | 808.643489 | 887.927212 | 979.771384 | 975.304822 | 926.374790 | 923.505776 | 982.114878 | 826.081033 | 970.045208 | 938.157292 | 962.827385 | 935.242420 | 873.173049 | 899.027255 | 828.438792 | 988.931035 | 942.045208 | 914.973396 | 866.379536 | 894.451673 | 887.727857 | 843.182866 | 1018.821527 | 985.868715 | 981.062998 | 920.195829 | 881.837202 | 853.697917 | 778.661794 | 925.338206 | 862.516217 | 902.445409 | 845.258312 | 776.406086 | 757.240766 | 708.534387 | 811.130200 | 901.164533 | 901.632722 | 848.052747 | 868.473776 | 858.172371 | 885.253810 | 994.161767 | 1044.512095 | 921.964067 | 859.131963 | 846.806368 | 813.918832 | 756.451239 | 839.782964 | 957.899414 | 911.540733 | 861.203911 | 832.252617 | 827.881515 | 815.178527 | 919.686717 | 948.902370 | 883.077182 | 912.547757 | 882.315995 | 869.613115 | 878.941639 | 932.868037 | 992.971877 | 907.814124 | 896.830721 | 901.391956 | 911.797472 | 920.179829 | 1175.755248 | 1115.570944 | 1064.080436 | 959.275099 | 1002.850220 | 936.978901 | 842.560802 | 955.607637 | 1002.165862 | 993.243044 | 966.770407 | 887.206921 | 902.560964 | 867.300130 | 1074.170500 | 1227.570022 | 1043.798042 | 881.894587 | 907.458182 | 868.980989 | 897.868824 | 992.799317 | 862.495173 | 880.271112 | 931.252346 | 915.754814 | 799.842247 | 753.125807 | 939.357244 | 992.642702 | 959.348918 | 996.863725 | 888.447117 | 847.465070 | 754.563676 | 818.318897 | 815.301595 | 779.843386 | 792.999051 | 811.914981 | 790.785621 | 763.431469 | 811.520611 | 829.625970 | 774.348809 | 819.867061 | 810.363291 | 750.415279 | 672.073277 | 794.047730 | 779.934642 | 837.855508 | 789.707545 | 799.037154 | 783.882004 | 704.661442 | 740.684141 | 809.091013 | 820.943592 | 830.924662 | 838.148343 | 857.707273 | 789.255573 | 856.331507 | 835.526496 | 824.213484 | 826.358518 | 834.264468 | 801.451836 | 777.044422 | 889.419428 | 850.723735 | 798.964338 | 793.692032 | 784.367088 | 733.541249 | 657.389000 | 781.867929 | 852.309975 | 807.993708 | 774.809676 | 783.869908 | 761.804035 | 708.250420 | 875.743342 | 877.941503 | 831.745647 | 812.331073 | 776.244807 | 801.021479 | 737.981288 | 846.518441 | 869.224142 | 828.925883 | 812.181402 | 803.488501 | 807.229511 | 803.679720 | 887.044259 | 871.625970 | 839.947334 | 827.989044 | 806.843928 | 783.910723 | 695.959185 | 782.164208 | 890.616559 | 854.042713 | 830.936541 | 844.703016 | 805.794083 | 868.958562 | 1007.094104 | 1163.018712 | 1054.881298 | 951.622390 | 827.253946 | 807.258746 | 770.056896 | 883.285025 | 903.404350 | 874.971959 | 837.978603 | 885.856837 | 943.475810 | 774.459646 | 921.287818 | 932.527228 | 885.558171 | 886.495634 | 877.490129 | 877.101345 | 789.825433 | 897.466833 | 894.175842 | 880.704995 | 850.581792 | 874.563161 | 842.761458 | 766.651218 | 895.640044 | 900.950941 | 962.806666 | 922.569317 | 855.888512 | 842.121278 | 824.835467 | 1010.372620 | 985.040950 | 953.260156 | 1265.828172 | 987.746352 | 1003.889244 | 895.045561 | 1014.465152 | 1025.730460 | 935.103162 | 958.862613 | 920.649997 | 873.144655 | 882.721294 | 967.880078 | 925.475701 | 907.788469 | 855.096003 | 892.443293 | 824.687124 | 846.570592 | 1001.452894 | 1001.048354 | 938.019363 | 853.352308 | 843.140587 | 835.136682 | 793.112979 | 929.100233 | 906.010577 | 868.633075 | 862.399577 | 939.579785 | 903.299778 | 767.454575 | 918.221131 | 919.368227 | 866.679612 | 919.394967 | 856.959023 | 801.517682 | 753.016082 | 877.201199 | 1072.342002 | 876.688181 | 872.429707 | 836.056924 | 846.415089 | 817.959592 | 1290.908825 | 1213.845420 | 1091.727152 | 1038.956907 | 1000.697321 | 955.019689 | 898.415632 |
| en | 3699.986672 | 3688.549667 | 3509.763578 | 3647.536381 | 3761.088692 | 4035.626885 | 3829.172886 | 3621.479071 | 3702.149938 | 3681.276676 | 3700.044565 | 4052.993003 | 4016.116264 | 4038.056102 | 3745.556289 | 3788.103145 | 3637.659038 | 3516.470658 | 3723.403623 | 3903.324594 | 3725.897439 | 3670.154040 | 3616.903103 | 3521.684569 | 3528.428072 | 3768.189254 | 3825.872116 | 3771.326218 | 4373.224052 | 3463.246501 | 3354.614827 | 3364.601083 | 3642.698959 | 3447.752103 | 3702.168388 | 3707.183590 | 3713.217284 | 3779.046731 | 3612.324844 | 3759.248126 | 3692.633819 | 3685.987026 | 3698.902582 | 3650.649125 | 3614.836214 | 3614.016160 | 3844.948313 | 3892.770179 | 3763.202478 | 3620.249688 | 3626.622595 | 3558.571720 | 3515.734777 | 3878.325115 | 3858.595002 | 3670.588713 | 3507.477468 | 3504.818638 | 3405.655914 | 3500.039317 | 3675.406726 | 3970.021116 | 3571.966805 | 3585.553978 | 3523.978655 | 3468.080342 | 3560.110579 | 3754.202166 | 3976.129384 | 3819.226197 | 3719.555435 | 3626.702228 | 3751.428217 | 3680.402124 | 4075.142420 | 3893.188713 | 3748.461204 | 3641.638900 | 3777.026010 | 3601.178217 | 3538.031487 | 3938.762474 | 4092.282965 | 3830.377239 | 3923.207122 | 3642.165389 | 3569.536964 | 3534.004311 | 3770.179238 | 3920.131820 | 3654.389442 | 3783.474594 | 3654.015015 | 3648.482049 | 3729.374011 | 4093.455935 | 4000.428488 | 3752.845252 | 3825.548563 | 3836.770596 | 3918.083819 | 3993.226781 | 4182.125718 | 4271.998376 | 4228.392461 | 4386.970033 | 4106.385194 | 3591.813244 | 3666.417097 | 3950.447709 | 4129.517826 | 4151.953249 | 4133.298209 | 4038.538234 | 3870.855977 | 3785.722782 | 4145.112203 | 4202.415056 | 4216.885444 | 4119.207309 | 3931.860496 | 3784.545044 | 3693.662266 | 3847.378946 | 4240.998584 | 4079.651520 | 3986.116951 | 4067.703457 | 3776.203603 | 3666.955789 | 3989.142441 | 4143.780383 | 3978.900396 | 3941.347418 | 3881.951687 | 3672.143794 | 3764.559038 | 4157.368117 | 4239.656830 | 4051.143003 | 3948.748501 | 3912.111766 | 3826.842461 | 4038.737672 | 4276.205373 | 4350.197605 | 4126.851062 | 4078.788401 | 3926.090754 | 3904.588880 | 4096.837359 | 4239.576760 | 4443.847043 | 4159.462037 | 3947.516285 | 3974.512828 | 3820.894981 | 3770.652853 | 4049.031758 | 4419.237609 | 4204.078759 | 4052.135923 | 3892.918388 | 3922.174177 | 3746.769867 | 4163.444148 | 4262.293107 | 3992.083319 | 3989.651687 | 3969.445169 | 3965.521033 | 3887.520637 | 4088.884382 | 4295.969096 | 4066.836318 | 4052.399688 | 3853.459954 | 3825.179883 | 4276.109434 | 4355.413536 | 4377.645439 | 4303.541087 | 4110.843232 | 3872.061224 | 4301.071887 | 4620.081695 | 4752.172699 | 4805.086651 | 4353.747064 | 4376.018721 | 4342.362411 | 4257.411308 | 4429.899354 | 4641.802707 | 6230.934590 | 5035.428842 | 4469.394127 | 4897.982216 | 4532.178009 | 4440.180008 | 4783.434840 | 4878.677280 | 4730.464140 | 4474.894794 | 4422.846210 | 4518.192170 | 4365.344315 | 4707.295939 | 5082.916368 | 4598.510162 | 4503.703853 | 4239.346272 | 4246.932611 | 4284.483965 | 4841.276281 | 5073.708184 | 5075.017347 | 4748.808830 | 4610.231279 | 4697.329030 | 4314.396772 | 4909.212349 | 5640.614077 | 4686.084965 | 4686.916451 | 4201.396210 | 4420.066035 | 4440.244940 | 4935.084736 | 4960.187130 | 5167.237713 | 4746.731529 | 4418.375115 | 4341.808288 | 4347.833944 | 4730.961141 | 5074.069950 | 4621.794107 | 4635.919242 | 4678.266097 | 4379.879717 | 4331.114327 | 4707.890171 | 6169.920929 | 4732.820367 | 4662.484694 | 4601.462057 | 4528.962870 | 4734.015098 | 5131.473969 | 5086.473365 | 4623.938005 | 4519.866910 | 4184.200021 | 4127.813474 | 3956.860516 | 4011.808372 | 4388.137401 | 4064.645814 | 4297.569992 | 4045.820970 | 3761.435423 | 3707.895419 | 3928.045190 | 4026.141087 | 3856.979050 | 3859.596189 | 3816.286943 | 3913.809059 | 3879.493544 | 4136.349521 | 4347.883278 | 4156.784257 | 3919.592066 | 3794.894794 | 3764.904498 | 4425.096606 | 4833.431237 | 5028.138880 | 4767.804332 | 4846.314369 | 4177.026635 | 4019.536880 | 4121.463599 | 4352.009538 | 4416.295335 | 4190.826593 | 4154.415764 | 4005.117847 | 3895.318284 | 3791.286152 | 4068.274698 | 4335.890462 | 4276.181424 | 4293.610537 | 4842.919596 | 4606.133944 | 4188.366327 | 4515.388401 | 4587.362516 | 4220.243440 | 4146.220991 | 4133.294461 | 3935.969721 | 4047.368992 | 4226.773344 | 4522.760287 | 4384.058934 | 4344.835860 | 4080.386693 | 4113.620367 | 4064.842732 | 4345.545044 | 4422.106747 | 4252.666056 | 4084.163286 | 4127.229071 | 3980.234736 | 4088.157705 | 4427.178738 | 4509.028759 | 4220.363411 | 4184.338817 | 4076.113765 | 3824.251791 | 4153.714556 | 4130.613953 | 4472.530925 | 4131.695481 | 4060.866639 | 3982.033257 | 3793.903540 | 3952.207393 | 4132.428905 | 4307.471845 | 4152.225906 | 4043.861933 | 3922.064806 | 3856.756352 | 4302.005768 | 4600.701603 | 4615.886235 | 4293.390858 | 4264.692128 | 4158.976177 | 4158.717930 | 4516.433965 | 4794.177926 | 4910.051541 | 4759.166431 | 4349.196335 | 4201.865306 | 4014.157851 | 4071.537943 | 4482.029134 | 5021.667347 | 4314.446293 | 4397.786172 | 4233.526135 | 4265.635235 | 4225.605914 | 4454.457684 | 4653.044502 | 4388.413578 | 4181.387401 | 4532.187901 | 4255.462037 | 4380.016431 | 4437.567076 | 4653.760079 | 4612.552624 | 5168.843690 | 4425.556581 | 3999.818263 | 4248.078780 | 4889.976072 | 4968.380966 | 4323.063911 | 4195.819034 | 4143.496835 | 4058.419825 | 4229.452228 | 4455.872470 | 4491.551229 | 4627.093294 | 5743.735006 | 7035.052145 | 7752.654207 | 7663.828905 | 8082.058892 | 8399.197209 | 8475.422511 | 8123.955664 | 7987.473115 | 7669.135777 | 7401.612620 | 7902.561433 | 8144.959142 | 7779.152041 | 6930.722699 | 6440.964182 | 6594.347064 | 7230.811724 | 7414.101812 | 8127.003769 | 7834.577718 | 8261.399917 | 7878.588484 | 7977.811058 | 7962.126010 | 8172.180966 | 8395.640983 | 7424.733778 | 4805.659100 | 4699.358809 | 4602.471345 | 4686.269658 | 5217.746314 | 5136.751895 | 4786.773282 | 4554.744960 | 4395.391066 | 4271.690816 | 4699.126593 | 5055.291004 | 5734.209350 | 6147.831445 | 6173.611766 | 6092.740712 | 6152.967638 | 6428.183215 | 6528.321158 | 5872.895398 | 5479.824552 | 4900.390587 | 4516.603644 | 4355.313911 | 4766.990775 | 5006.486589 | 4805.115431 | 4969.359392 | 4941.164744 | 5073.132174 | 4317.433590 | 4570.864244 | 4836.958205 | 5085.788588 | 4580.965660 | 4705.262766 | 4580.413536 | 4522.793315 | 4517.405414 | 4838.085610 | 4880.882882 | 4886.742399 | 4765.511412 | 4618.275281 | 4405.774282 | 4704.363474 | 4965.004873 | 5222.730779 | 5042.817097 | 5447.979571 | 5436.979467 | 4354.824261 | 4747.473594 | 5232.791795 | 5203.702791 | 4560.396272 | 4532.026197 | 4644.144419 | 4475.538463 | 4752.350541 | 5017.428571 | 5194.698251 | 4889.079238 | 4841.050541 | 4930.564369 | 4530.536943 | 4614.528155 | 4934.028863 | 5128.727530 | 4835.614910 | 4663.266597 | 4620.276197 | 4259.249792 | 4475.396460 | 4919.583715 | 5073.148334 | 4798.000646 | 4958.405394 | 5141.658767 | 4783.680342 | 5028.240275 | 5405.233632 | 5459.937318 | 5515.039921 | 7602.484027 | 6243.618451 | 5615.616035 | 5455.953665 | 5994.157747 | 6060.320491 | 5411.209496 | 5249.151041 | 5008.257393 | 4798.757934 | 4851.398980 | 5000.508955 | 5401.762890 | 5394.093648 | 4915.597147 | 4624.380675 | 4522.132611 | 5113.526760 | 5342.106143 | 4895.737089 | 5039.180487 | 4709.966327 | 4658.619284 | 4588.075739 | 5166.426926 | 5218.600812 | 5329.009142 | 5286.961558 | 4983.505810 | 4882.645002 | 4545.169513 | 4735.979925 | 4922.312078 | 5064.444357 | 4821.117701 | 5063.441087 | 4608.754623 | 4345.563203 | 4342.664536 | 5017.024636 | 5471.423907 | 5350.263224 | 4967.593253 | 5035.755748 | 4719.243336 | 5009.433923 | 5176.930154 | 5810.180550 | 6081.584736 | 5900.938067 | 6287.405998 | 5239.806185 | 5165.529030 |
| es | 1124.820419 | 1076.750516 | 993.822199 | 934.806317 | 1013.400292 | 1149.757318 | 1122.161776 | 1090.163058 | 1069.704936 | 975.865430 | 881.295207 | 998.521330 | 1128.683249 | 1183.224236 | 1119.941528 | 1068.381383 | 965.186169 | 844.355530 | 900.841215 | 1051.858735 | 1041.649455 | 1070.707108 | 1007.518873 | 899.005662 | 808.492201 | 888.467239 | 1017.945018 | 1010.488213 | 1021.432982 | 972.736415 | 882.276298 | 774.640553 | 846.979133 | 871.401253 | 1049.602486 | 1061.814935 | 1062.764155 | 948.248522 | 874.919771 | 953.756143 | 1016.904387 | 1174.998611 | 1180.714906 | 1140.587280 | 979.187415 | 852.308596 | 924.366534 | 1132.146962 | 1233.487002 | 1241.803290 | 1178.897764 | 1079.124991 | 923.182252 | 1071.010932 | 1314.233566 | 1520.008048 | 1536.142939 | 1491.112136 | 1273.270672 | 989.128908 | 1189.421800 | 1468.000677 | 1545.636173 | 1544.085998 | 1499.113097 | 1250.428246 | 1031.967773 | 1197.337583 | 1507.261164 | 1562.121786 | 1541.773485 | 1455.660815 | 1242.490599 | 1003.121181 | 1145.780429 | 1414.174631 | 1358.159177 | 1314.119009 | 1489.310947 | 1239.423510 | 1007.604052 | 1200.117691 | 1484.935510 | 1538.335054 | 1539.908091 | 1420.610284 | 1170.725981 | 1020.963250 | 1202.311196 | 1472.774838 | 1539.225874 | 1519.449256 | 1436.626059 | 1228.668507 | 1012.387437 | 1160.628054 | 1408.296346 | 1499.967381 | 1491.794922 | 1430.482302 | 1251.041806 | 1057.996617 | 1204.659640 | 1591.975180 | 1650.876398 | 1618.771419 | 1529.886297 | 1286.222741 | 1096.671355 | 1282.642582 | 1516.879959 | 1574.842390 | 1582.989317 | 1511.178442 | 1275.657111 | 1087.401147 | 1245.127733 | 1498.436863 | 1587.105406 | 1553.392707 | 1426.501923 | 1174.436258 | 989.624599 | 1042.956556 | 1328.249234 | 1436.255573 | 1524.016986 | 1491.857311 | 1269.043159 | 1031.904173 | 1212.451428 | 1485.753151 | 1546.602094 | 1496.723844 | 1439.189944 | 1226.794922 | 1061.180970 | 1142.527491 | 1380.050068 | 1502.575671 | 1581.611495 | 1458.202407 | 1199.370522 | 1015.231429 | 1195.131437 | 1444.764582 | 1565.773022 | 1460.991418 | 1329.100385 | 1139.149028 | 952.524001 | 1083.927605 | 1252.549890 | 1261.932946 | 1250.165337 | 1189.213055 | 1013.972545 | 832.261199 | 919.564134 | 1113.087601 | 1169.388149 | 1157.568229 | 1136.657040 | 957.461969 | 850.552916 | 948.571861 | 1090.142226 | 1024.912934 | 991.834520 | 947.521936 | 817.162488 | 769.286411 | 828.864789 | 837.961506 | 792.144790 | 741.001602 | 675.219215 | 666.302792 | 779.582330 | 791.722491 | 874.422691 | 885.670394 | 807.727299 | 722.804644 | 716.202443 | 851.409622 | 874.951357 | 945.275372 | 1050.750801 | 956.766363 | 994.963820 | 1082.156043 | 1050.307243 | 1148.388469 | 1531.514066 | 1427.158464 | 1329.068371 | 1329.395663 | 1204.400114 | 1057.515989 | 1090.240581 | 1275.176946 | 1362.894666 | 1350.089025 | 1335.076811 | 1251.577808 | 1027.449256 | 1155.287444 | 1404.281034 | 1484.492237 | 1570.805569 | 1409.376896 | 1154.225661 | 1063.213482 | 1281.388897 | 1310.131365 | 1434.651129 | 1515.440318 | 1488.201873 | 1252.998682 | 1093.183570 | 1207.728046 | 1528.012179 | 1524.018588 | 1836.414572 | 1566.708140 | 1264.722313 | 1128.300904 | 1300.437683 | 1462.232426 | 1575.589737 | 1649.529271 | 1537.286091 | 1287.323695 | 1116.545474 | 1296.485008 | 1474.487857 | 1543.472687 | 1538.760416 | 1443.761413 | 1218.955060 | 1102.110533 | 1316.212093 | 1832.287017 | 1654.457517 | 1647.118296 | 1593.797165 | 1433.315789 | 1273.229756 | 1427.414999 | 1615.259989 | 1708.667937 | 1680.426359 | 1523.529806 | 1348.705755 | 1102.579090 | 1304.710313 | 1515.887508 | 1573.495940 | 1611.410904 | 1460.298020 | 1214.385514 | 1018.802293 | 1115.861406 | 1213.262410 | 1217.848052 | 1105.227584 | 1099.063065 | 1135.789581 | 1159.333274 | 1287.804679 | 1508.244463 | 1471.173385 | 1498.850438 | 1444.922370 | 1240.022434 | 1132.375757 | 1317.604337 | 1529.713446 | 1562.056015 | 1632.197422 | 1540.864468 | 1291.223275 | 1075.657432 | 1298.076775 | 1586.239299 | 1534.165729 | 1539.370344 | 1527.762446 | 1270.395591 | 1055.066626 | 1273.956200 | 1476.224201 | 1553.505840 | 1591.771704 | 1575.381988 | 1372.477637 | 1153.654761 | 1325.731536 | 1453.036750 | 1555.895485 | 1478.183427 | 1403.015455 | 1181.053629 | 1045.160245 | 1249.664696 | 1467.944876 | 1546.103554 | 1517.248487 | 1458.248914 | 1295.316644 | 1071.200769 | 1203.635567 | 1451.201268 | 1484.805961 | 1499.554412 | 1442.469447 | 1191.285699 | 1094.147746 | 1237.566235 | 1432.217470 | 1567.803397 | 1728.475002 | 1448.366106 | 1310.915284 | 1150.236700 | 1272.843921 | 1524.226622 | 1487.757710 | 1525.504309 | 1377.075956 | 1147.536892 | 1137.343387 | 1249.054305 | 1463.041094 | 1479.728723 | 1464.443273 | 1410.111673 | 1210.752938 | 1155.461363 | 1291.928673 | 1484.923047 | 1507.059896 | 1520.237376 | 1407.615732 | 1222.015170 | 1066.827256 | 1345.903354 | 1417.630119 | 1542.060608 | 1413.284560 | 1290.900363 | 1193.054198 | 1060.392529 | 1149.196781 | 1347.808062 | 1395.866000 | 1314.138202 | 1199.580016 | 1106.518802 | 1004.869525 | 1132.857952 | 1402.202122 | 1290.743537 | 1276.179546 | 1114.593405 | 1012.770102 | 983.422014 | 1048.229328 | 1118.473613 | 1174.621110 | 1141.360943 | 1127.278506 | 973.762410 | 914.928068 | 1168.584716 | 1154.884054 | 1149.843387 | 1115.821701 | 1075.648992 | 1027.271669 | 880.022826 | 966.201161 | 1087.223097 | 1070.433302 | 1062.199309 | 1052.332206 | 998.554946 | 861.512570 | 958.871697 | 1094.793177 | 1102.956342 | 1072.350723 | 1103.169005 | 1002.796346 | 860.663450 | 971.449683 | 1078.437255 | 1086.645431 | 1149.986931 | 1076.053379 | 1058.238836 | 1055.741365 | 1087.684495 | 1272.013852 | 1309.344812 | 1306.393882 | 1262.832597 | 1116.366320 | 1018.323410 | 1088.882594 | 1324.178014 | 1356.827327 | 1335.925290 | 1303.284097 | 1195.774838 | 1053.589274 | 1262.637918 | 1380.787693 | 1444.430098 | 1523.786803 | 1582.533651 | 1231.176768 | 1016.962111 | 1308.266541 | 1634.383591 | 1625.362154 | 1587.079410 | 1520.638345 | 1261.193968 | 1029.756712 | 1318.416744 | 1553.851364 | 1597.732783 | 1647.045438 | 1495.808062 | 1273.876718 | 1037.808846 | 1278.279254 | 1528.979560 | 1722.599601 | 1502.357382 | 1321.614629 | 1122.062602 | 1021.204757 | 1237.288370 | 1446.735631 | 1512.768321 | 1518.445410 | 1508.547611 | 1266.207286 | 1000.438145 | 1208.521402 | 1472.047076 | 1514.329927 | 1492.465245 | 1429.166477 | 1152.570152 | 1027.169041 | 1197.605833 | 1469.756641 | 1509.659604 | 1504.138131 | 1403.886867 | 1252.607044 | 994.643473 | 1192.416138 | 1388.885834 | 1466.339078 | 1580.958479 | 1437.327327 | 1224.950146 | 1052.960687 | 1373.831493 | 1441.827292 | 1495.187914 | 1533.262339 | 1476.166940 | 1327.952817 | 1077.780856 | 1257.161776 | 1539.307421 | 1576.082081 | 1497.614949 | 1405.317534 | 1191.192971 | 962.403924 | 1151.832028 | 1306.714087 | 1305.181362 | 1358.645787 | 1385.510149 | 1228.211915 | 1060.297593 | 1277.849797 | 1466.441457 | 1628.660316 | 2134.566662 | 1647.134000 | 1386.404601 | 1125.278933 | 1313.751335 | 1533.678086 | 1569.807065 | 1467.951392 | 1370.245495 | 1206.202122 | 1000.324728 | 1128.942988 | 1317.524037 | 1464.695072 | 1459.860907 | 1331.713553 | 1129.107970 | 1190.894559 | 1372.447190 | 1391.385941 | 1638.488925 | 1418.835197 | 1267.665480 | 1133.095328 | 916.618047 | 1068.114486 | 1201.056299 | 1276.549355 | 1170.411830 | 1132.181291 | 1022.338758 | 867.712520 | 964.149811 | 1094.648992 | 1092.348586 | 1150.543302 | 1015.325511 | 923.678477 | 869.157859 | 1017.336408 | 1138.203725 | 1105.357916 | 1079.950395 | 986.119329 | 937.551634 | 882.705612 | 906.077096 | 1198.216722 | 1135.945873 | 1180.994089 | 1114.683107 | 823.661705 | 789.299694 |
df = mean_val_df.T
df.head()
| language | NA | _de | de | en | es | fr | ja | ru | zh |
|---|---|---|---|---|---|---|---|---|---|
| 2015-07-01 | 124.284493 | 11.0 | 748.269078 | 3699.986672 | 1124.820419 | 518.275576 | 623.080703 | 691.852568 | 300.511928 |
| 2015-07-02 | 128.301077 | 192.0 | 738.514997 | 3688.549667 | 1076.750516 | 521.232645 | 709.462561 | 702.874850 | 300.816903 |
| 2015-07-03 | 123.393474 | 192.0 | 709.930981 | 3509.763578 | 993.822199 | 503.030516 | 644.695993 | 655.785690 | 298.917792 |
| 2015-07-04 | 111.330127 | 80.0 | 653.911157 | 3647.536381 | 934.806317 | 534.642391 | 799.631563 | 620.469613 | 301.842952 |
| 2015-07-05 | 119.047298 | 72.0 | 755.402831 | 3761.088692 | 1013.400292 | 525.623191 | 768.694764 | 656.572081 | 317.261095 |
df.columns.name = None
df.reset_index(inplace=True)
#df.to_csv('AdEase_gen_data.csv',index=False)
df.rename(index={'index':'dates'},inplace=True)
#df.columns.name = 'dates'
df.set_index('index',inplace=True)
df.head()
| NA | _de | de | en | es | fr | ja | ru | zh | |
|---|---|---|---|---|---|---|---|---|---|
| index | |||||||||
| 2015-07-01 | 124.284493 | 11.0 | 748.269078 | 3699.986672 | 1124.820419 | 518.275576 | 623.080703 | 691.852568 | 300.511928 |
| 2015-07-02 | 128.301077 | 192.0 | 738.514997 | 3688.549667 | 1076.750516 | 521.232645 | 709.462561 | 702.874850 | 300.816903 |
| 2015-07-03 | 123.393474 | 192.0 | 709.930981 | 3509.763578 | 993.822199 | 503.030516 | 644.695993 | 655.785690 | 298.917792 |
| 2015-07-04 | 111.330127 | 80.0 | 653.911157 | 3647.536381 | 934.806317 | 534.642391 | 799.631563 | 620.469613 | 301.842952 |
| 2015-07-05 | 119.047298 | 72.0 | 755.402831 | 3761.088692 | 1013.400292 | 525.623191 | 768.694764 | 656.572081 | 317.261095 |
#df.to_csv('AdEase_gen_data.csv')
df = pd.DataFrame(df)
df.head()
| NA | _de | de | en | es | fr | ja | ru | zh | |
|---|---|---|---|---|---|---|---|---|---|
| index | |||||||||
| 2015-07-01 | 124.284493 | 11.0 | 748.269078 | 3699.986672 | 1124.820419 | 518.275576 | 623.080703 | 691.852568 | 300.511928 |
| 2015-07-02 | 128.301077 | 192.0 | 738.514997 | 3688.549667 | 1076.750516 | 521.232645 | 709.462561 | 702.874850 | 300.816903 |
| 2015-07-03 | 123.393474 | 192.0 | 709.930981 | 3509.763578 | 993.822199 | 503.030516 | 644.695993 | 655.785690 | 298.917792 |
| 2015-07-04 | 111.330127 | 80.0 | 653.911157 | 3647.536381 | 934.806317 | 534.642391 | 799.631563 | 620.469613 | 301.842952 |
| 2015-07-05 | 119.047298 | 72.0 | 755.402831 | 3761.088692 | 1013.400292 | 525.623191 | 768.694764 | 656.572081 | 317.261095 |
df.columns
Index(['NA', '_de', 'de', 'en', 'es', 'fr', 'ja', 'ru', 'zh'], dtype='object')
list(df.columns)
['NA', '_de', 'de', 'en', 'es', 'fr', 'ja', 'ru', 'zh']
df.index = pd.to_datetime(df.index)
import matplotlib.pyplot as plt
import seaborn as sns
def plot_trend_lines(vals=list(df.columns)):
"""
This function will plot both Trend Lines and Histograms for different languages.
"""
for i in vals:
# Create a new figure with 1 row and 2 columns
fig, axes = plt.subplots(1, 2, figsize=(25, 10))
# Plot the line plot on the first subplot
df[i].plot(ax=axes[0], style='-o', label='original')
axes[0].set_title(f'Avg PageView Trend for {i.upper()}', fontsize=20)
axes[0].set_xlabel('Dates', fontsize=17)
axes[0].set_ylabel(f'Avg PageViews {i.upper()}', fontsize=17)
axes[0].tick_params(axis='both', labelsize=15)
axes[0].grid(True)
# Plot the histogram on the second subplot
sns.histplot(df[i], ax=axes[1])
axes[1].set_title(f'Histplot of {i.upper()} Language', fontsize=20)
axes[1].set_xlabel(f'Avg PageViews {i.upper()}', fontsize=17)
axes[1].set_ylabel('Frequency', fontsize=17)
axes[1].tick_params(axis='both', labelsize=15)
axes[1].grid(True)
# Adjust layout for better spacing
plt.tight_layout()
# Show the plot
plt.show()
print('\n')
plot_trend_lines()
Trend and Seasonality Check for Chinese(ZH) Language Pageviews
model_zh = sm.tsa.seasonal_decompose(df.zh)
model_zh.plot()
plt.show()
def get_insight_plot(vals,window,ln):
"""
This Function will print Original plot as well as Rolling Window plot
"""
plt.figure(figsize=(25,10))
vals.plot(style='-o',label='original')
vals.rolling(window=window,center=False).mean().plot(style='-o',label='rolling')
vals.rolling(window=window,center=True).mean().plot(style='-o',label='rolling center True')
plt.xlabel('Dates',fontsize=17)
plt.ylabel(f'Original Vs Windowed plot for {ln}',fontsize=17)
plt.legend()
plt.xticks(fontsize=15) # Adjust fontsize as needed
plt.yticks(fontsize=15)
plt.grid()
plt.title(f'Avg PageView Trend for {ln}',fontsize=20)
plt.show()
print('\n')
plt.title('Trend line of ZH Language Pageviews')
model_zh.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of ZH Language Pageviews')
model_zh.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['zh'],window=7,ln='zh')
Trend is showing upwards direction flow this indicates that with moving forward dates the view may increase.
Seasonality shows that it is repeating in every 8 months for this language.
Trend and Seasonality Check for Russian(RU) Language Pageviews
model_ru = sm.tsa.seasonal_decompose(df.ru)
model_ru.plot()
plt.show()
plt.title('Trend line of RU Language Pageviews')
model_ru.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of RU Language Pageviews')
model_ru.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['ru'],window=7,ln='RU')
Trend is showing slightly downwards direction flow this indicates that with moving forward dates the pageviews may decrease.
Seasonality shows that it is repeating in every 8 months for this language.
Trend and Seasonality Check for Japanese(JA) Language Pageviews
model_ja = sm.tsa.seasonal_decompose(df.ja)
model_ja.plot()
plt.show()
plt.title('Trend line of JA Language Pageviews')
model_ja.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of JA Language Pageviews')
model_ja.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['ja'],window=7,ln='JA')
Trend is showing upwards direction flow this indicates that with moving forward dates the pageviews will increase.
Seasonality shows that it is repeating in every 8 months for this language.
Trend and Seasonality Check for French(FR) Language Pageviews
model_fr = sm.tsa.seasonal_decompose(df.fr)
model_fr.plot()
plt.show()
plt.title('Trend line of FR Language Pageviews')
model_fr.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of FR Language Pageviews')
model_fr.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['fr'],window=7,ln='FR')
Trend is showing upward direction flow this indicates that with moving forward dates the pageviews may increase.
Seasonality shows that it is repeating in every 8 months for this language.
Trend and Seasonality Check for Spanish(ES) Language Pageviews
model_es = sm.tsa.seasonal_decompose(df.es)
model_es.plot()
plt.show()
plt.title('Trend line of ES Language Pageviews')
model_es.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of ES Language Pageviews')
model_es.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['es'],window=4,ln='es')
Trend is showing downward direction flow this indicates that with moving forward dates the pageviews may decrease.
Seasonality shows that it is repeating in every 7 months for this language.
Trend and Seasonality Check for English(EN) Language Pageviews
model_en = sm.tsa.seasonal_decompose(df.en)
model_en.plot()
plt.show()
plt.title('Trend line of EN Language Pageviews')
model_en.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of EN Language Pageviews')
model_en.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['en'],window=7,ln='en')
Trend is showing upward direction flow this indicates that with moving forward dates the pageviews may increase.
Seasonality shows that it is repeating in every 8 months for this language.
Trend and Seasonality Check for German(DE) Language Pageviews
model_de = sm.tsa.seasonal_decompose(df.de)
model_de.plot()
plt.show()
plt.title('Trend line of DE Language Pageviews')
model_de.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of DE Language Pageviews')
model_de.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['de'],window=7,ln='de')
Trend is showing upward direction flow this indicates that with moving forward dates the pageviews may increase.
Seasonality shows that it is repeating in every 8 months for this language.
Trend and Seasonality Check for German(_DE) Language Pageviews
model__de = sm.tsa.seasonal_decompose(df._de)
model__de.plot()
plt.show()
plt.title('Trend line of _DE Language Pageviews')
model__de.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of _DE Language Pageviews')
model__de.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['_de'],window=7,ln='_de')
Trend is showing stationary flow this indicates that with moving forward dates the pageviews may be stationary in nature.
Seasonality shows that it is repeating in every 8 months for this language.
model_na = sm.tsa.seasonal_decompose(df.NA)
model_na.plot()
plt.show()
plt.title('Trend line of NA Language Pageviews')
model_na.trend.plot(grid=True,figsize=(20,10))
plt.show()
plt.title('Seasonalty plot of NA Language Pageviews')
model_na.seasonal.plot(grid=True,figsize=(20,10))
plt.show()
get_insight_plot(df['NA'],window=7,ln='NA')
Trend is showing upward flow this indicates that with moving forward dates the pageviews may increase.
Seasonality shows that it is repeating in every 8 months for this language.
Whole Dataset has seasonality of 7 months.
Due to presence of outliers we can see spikes in trend, which we can fix either imputation or by clipping.
Following Language have shown below trend type
ZH - > High Trend
RU -> Lower Trend
JA -> High Trend
FR -> High Trend
ES -> Lower Trend
EN -> High Trend
DE -> High Trend
_DE -> Lower Trend
NA -> High Trend
# H0 : TS is non stationary
# H1 : TS is stationary
def adf_test(data,sig_val=0.05):
p_value = sm.tsa.stattools.adfuller(data)[1]
#print(f'p-value : {p_value}')
if(p_value <= sig_val):
return('TS is stationary',p_value)
else:
return('TS is non stationary',p_value)
zh_res,_ = adf_test(df['zh'])
print(f'Stationary Status for ZH Language: {zh_res}')
ru_res,_ = adf_test(df['ru'])
print(f'Stationary Status for RU Language: {ru_res}')
ja_res,_ = adf_test(df['ja'])
print(f'Stationary Status for JA Language: {ja_res}')
fr_res,_ = adf_test(df['fr'])
print(f'Stationary Status for FR Language: {fr_res}')
es_res,_ = adf_test(df['es'])
print(f'Stationary Status for ES Language: {es_res}')
en_res,_ = adf_test(df['en'])
print(f'Stationary Status for EN Language: {en_res}')
de_res,_ = adf_test(df['de'])
print(f'Stationary Status for DE Language: {de_res}')
_de_res,_ = adf_test(df['_de'])
print(f'Stationary Status for _DE Language: {_de_res}')
NA_res,_ = adf_test(df['NA'])
print(f'Stationary Status for NA Language: {NA_res}')
Stationary Status for ZH Language: TS is non stationary Stationary Status for RU Language: TS is stationary Stationary Status for JA Language: TS is non stationary Stationary Status for FR Language: TS is stationary Stationary Status for ES Language: TS is stationary Stationary Status for EN Language: TS is non stationary Stationary Status for DE Language: TS is non stationary Stationary Status for _DE Language: TS is non stationary Stationary Status for NA Language: TS is stationary
Below Mentioned Language trends are not stationary
ZH
JA
EN
DE
_DE
Need to Perform Difference and de-trending to make it stationary.
def plot_acfs(val,title):
"""
This function will Autocorrelation plot for provided language code.
"""
plot_acf(val,title=f'Autocorrelation of {title} Language')
plt.show()
def get_detrended_deseasonal_data(val,title,m_val=None):
detrended_val = val.diff()
detrended_val.plot(title=f'Detrended Plot of {title} language')
print(f'ADF Test after Detrending {title} language:{adf_test(detrended_val.dropna())}')
plot_acfs(detrended_val.dropna(),title)
return detrended_val
# de_seasoned = detrended_val.diff(m_val).dropna()
# plot_acfs(de_seasoned.dropna(),title=f'detrened & Deseasoned {title} language')
# print(f'ADF Test after Deseasoned {title} Language:{adf_test(de_seasoned.dropna())}')
# return de_seasoned
deTrended_ZH_lang = get_detrended_deseasonal_data(df['zh'],'ZH')
ADF Test after Detrending ZH language:('TS is stationary', 1.0822615719686195e-11)
# ZH -> Peak at 7 ,14,21
# p -> 8 q-> 5
deTrended_JA_lang = get_detrended_deseasonal_data(df['ja'],'JA')
ADF Test after Detrending JA language:('TS is stationary', 5.950183790262341e-20)
# JA -> Peak at 7 ,14,21
# P -> 6 Q -> 5
deTrended_EN_lang = get_detrended_deseasonal_data(df['en'],'EN')
ADF Test after Detrending EN language:('TS is stationary', 5.292042536116286e-13)
# EN -> Peak at 7 ,14,21
# P -> 6 Q -> 5
deTrended_DE_lang = get_detrended_deseasonal_data(df['de'],'DE')
ADF Test after Detrending DE language:('TS is stationary', 2.0718405278634737e-10)
# DE -> Peak at 7 ,14,21
# P -> 10 Q -> 5
deTrended__DE_lang = get_detrended_deseasonal_data(df['_de'],'_DE')
ADF Test after Detrending _DE language:('TS is stationary', 1.5961380159824795e-20)
# _DE -> Peak at 7 ,14,21
# P -> 6 Q -> 2
deTrended_NA_lang = get_detrended_deseasonal_data(df['NA'],'NA')
ADF Test after Detrending NA language:('TS is stationary', 6.074796247844382e-19)
# NA -> Peak at 7 ,14,21
# P -> 5 Q -> 2
It was observed that Seasonality of data is occuring in every 7 month.
df.head()
| NA | _de | de | en | es | fr | ja | ru | zh | |
|---|---|---|---|---|---|---|---|---|---|
| index | |||||||||
| 2015-07-01 | 124.284493 | 11.0 | 748.269078 | 3699.986672 | 1124.820419 | 518.275576 | 623.080703 | 691.852568 | 300.511928 |
| 2015-07-02 | 128.301077 | 192.0 | 738.514997 | 3688.549667 | 1076.750516 | 521.232645 | 709.462561 | 702.874850 | 300.816903 |
| 2015-07-03 | 123.393474 | 192.0 | 709.930981 | 3509.763578 | 993.822199 | 503.030516 | 644.695993 | 655.785690 | 298.917792 |
| 2015-07-04 | 111.330127 | 80.0 | 653.911157 | 3647.536381 | 934.806317 | 534.642391 | 799.631563 | 620.469613 | 301.842952 |
| 2015-07-05 | 119.047298 | 72.0 | 755.402831 | 3761.088692 | 1013.400292 | 525.623191 | 768.694764 | 656.572081 | 317.261095 |
df.shape
(550, 9)
zh_df = pd.DataFrame(df['zh'])
zh_train_x = zh_df.loc[zh_df.index < zh_df.index[-200]].copy()
zh_test_x = zh_df.loc[zh_df.index >= zh_df.index[-200]].copy()
zh_test_x.shape
(200, 1)
zh_train_x.head()
| zh | |
|---|---|
| index | |
| 2015-07-01 | 300.511928 |
| 2015-07-02 | 300.816903 |
| 2015-07-03 | 298.917792 |
| 2015-07-04 | 301.842952 |
| 2015-07-05 | 317.261095 |
def performance(actual, predicted):
mape_value = mape(actual, predicted)
print(f'MAPE :{round(mape_value,3)}')
model = SARIMAX(zh_train_x['zh'],order=[8,1,8])
model = model.fit()
zh_test_x['pred'] = model.forecast(200)
zh_test_x.plot(style='-o',title='ZH Language Model Predictions',figsize=(10,4))
performance(zh_test_x['zh'],zh_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.048
ja_df = pd.DataFrame(df['ja'])
ja_train_x = ja_df.loc[ja_df.index < ja_df.index[-200]].copy()
ja_test_x = ja_df.loc[ja_df.index >= ja_df.index[-200]].copy()
ja_train_x.shape,ja_test_x.shape
((350, 1), (200, 1))
model = SARIMAX(ja_train_x,order=(8,1,8))
model = model.fit()
ja_test_x['pred'] = model.forecast(200)
ja_test_x.plot(style='-o',title='JA Language Model Predictions',figsize=(10,4))
performance(ja_test_x['ja'],ja_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.079
en_df = pd.DataFrame(df['en'])
en_train_x = en_df.loc[en_df.index < en_df.index[-200]].copy()
en_test_x = en_df.loc[en_df.index >= en_df.index[-200]].copy()
model = SARIMAX(en_train_x,order=(3,1,3))
model = model.fit()
en_test_x['pred'] = model.forecast(200)
en_test_x.plot(style='-o',title='EN Language Model Predictions',figsize=(10,4))
performance(en_test_x['en'],en_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.133
de_df = pd.DataFrame(df['de'])
de_train_x = de_df.loc[de_df.index < de_df.index[-200]].copy()
de_test_x = de_df.loc[de_df.index >= de_df.index[-200]].copy()
model = SARIMAX(de_train_x,order=(4,1,4))
model = model.fit()
de_test_x['pred'] = model.forecast(200)
de_test_x.plot(style='-o',title='DE Language Model Predictions',figsize=(10,4))
performance(de_test_x['de'],de_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.145
_de_df = pd.DataFrame(deTrended__DE_lang)
_de_train_x = _de_df.loc[_de_df.index < _de_df.index[-200]].copy()
_de_test_x = _de_df.loc[_de_df.index >= _de_df.index[-200]].copy()
model = SARIMAX(_de_train_x,order=(8,1,8))
model = model.fit()
_de_test_x['pred'] = model.forecast(200)
_de_test_x.plot(style='-o',title='_DE Language Model Predictions',figsize=(10,4))
performance(_de_test_x['_de'],_de_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:978: UserWarning: Non-invertible starting MA parameters found. Using zeros as starting parameters.
warn('Non-invertible starting MA parameters found.'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
C:\Users\gaura\anaconda3\Lib\site-packages\pandas\plotting\_matplotlib\core.py:807: UserWarning: The label '_de' of <matplotlib.lines.Line2D object at 0x00000295B91B9690> starts with '_'. It is thus excluded from the legend.
ax.legend(handles, labels, loc="best", title=title)
MAPE :5787166219623565.0
ru_df = pd.DataFrame(df['ru'])
ru_train_x = ru_df.loc[ru_df.index < ru_df.index[-200]].copy()
ru_test_x = ru_df.loc[ru_df.index >= ru_df.index[-200]].copy()
model = SARIMAX(ru_train_x,order=(7,1,7))
model = model.fit()
ru_test_x['pred'] = model.forecast(200)
ru_test_x.plot(style='-o',title='RU Language Model Predictions',figsize=(10,4))
performance(ru_test_x['ru'],ru_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:966: UserWarning: Non-stationary starting autoregressive parameters found. Using zeros as starting parameters.
warn('Non-stationary starting autoregressive parameters'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:978: UserWarning: Non-invertible starting MA parameters found. Using zeros as starting parameters.
warn('Non-invertible starting MA parameters found.'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.174
NA_df = pd.DataFrame(df['NA'])
NA_train_x = NA_df.loc[NA_df.index < NA_df.index[-200]].copy()
NA_test_x = NA_df.loc[NA_df.index >= NA_df.index[-200]].copy()
model = SARIMAX(NA_train_x,order=(7,1,7))
model = model.fit()
NA_test_x['pred'] = model.forecast(200)
NA_test_x.plot(style='-o',title='NA Language Model Predictions',figsize=(10,4))
performance(NA_test_x['NA'],NA_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:966: UserWarning: Non-stationary starting autoregressive parameters found. Using zeros as starting parameters.
warn('Non-stationary starting autoregressive parameters'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:978: UserWarning: Non-invertible starting MA parameters found. Using zeros as starting parameters.
warn('Non-invertible starting MA parameters found.'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.238
# Model for ZH Language Code
model = SARIMAX(zh_train_x['zh'],order=(2,1,1),seasonal_order=(2,0,1,7)) # (p,d,q) (P,D,Q,s)
model = model.fit()
zh_test_x['pred'] = model.forecast(200)
zh_test_x.plot(style='-o',title='ZH Language Model Predictions',figsize=(12,4))
performance(zh_test_x['zh'],zh_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:978: UserWarning: Non-invertible starting MA parameters found. Using zeros as starting parameters.
warn('Non-invertible starting MA parameters found.'
MAPE :0.05
# Model for JA Language Code
model = SARIMAX(ja_train_x['ja'],order=(2,0,0),seasonal_order=(7,1,1,7)) # (p,d,q) (P,D,Q,s)
model = model.fit()
ja_test_x['pred'] = model.forecast(200)
ja_test_x.plot(style='-o',title='JA Language Model Predictions',figsize=(12,4))
performance(ja_test_x['ja'],ja_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used. self._init_dates(dates, freq) C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used. self._init_dates(dates, freq)
MAPE :0.079
# Model for EN Language Code
model = SARIMAX(en_train_x['en'],order=(2,0,3),seasonal_order=(7,2,1,7)) # (p,d,q) (P,D,Q,s)
model = model.fit()
en_test_x['pred'] = model.forecast(200)
en_test_x.plot(style='-o',title='EN Language Model Predictions',figsize=(12,4))
performance(en_test_x['en'],en_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:966: UserWarning: Non-stationary starting autoregressive parameters found. Using zeros as starting parameters.
warn('Non-stationary starting autoregressive parameters'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:978: UserWarning: Non-invertible starting MA parameters found. Using zeros as starting parameters.
warn('Non-invertible starting MA parameters found.'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.112
# Model for DE Language Code
model = SARIMAX(de_train_x['de'],order=(3,0,0),seasonal_order=(7,1,1,7)) # (p,d,q) (P,D,Q,s)
model = model.fit()
de_test_x['pred'] = model.forecast(200)
de_test_x.plot(style='-o',title='DE Language Model Predictions',figsize=(12,4))
performance(de_test_x['de'],de_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used. self._init_dates(dates, freq) C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used. self._init_dates(dates, freq)
MAPE :0.087
# Model for _DE Language Code
model = SARIMAX(_de_train_x['_de'],order=(3,0,0),seasonal_order=(7,1,1,7)) # (p,d,q) (P,D,Q,s)
model = model.fit()
_de_test_x['pred'] = model.forecast(200)
_de_test_x.plot(style='-o',title='_DE Language Model Predictions',figsize=(12,4))
performance(_de_test_x['_de'],_de_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used. self._init_dates(dates, freq) C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used. self._init_dates(dates, freq) C:\Users\gaura\anaconda3\Lib\site-packages\pandas\plotting\_matplotlib\core.py:807: UserWarning: The label '_de' of <matplotlib.lines.Line2D object at 0x00000295E7C87550> starts with '_'. It is thus excluded from the legend. ax.legend(handles, labels, loc="best", title=title)
MAPE :7218950574980631.0
# Model RU Language Code
model = SARIMAX(ru_train_x['ru'],order=(2,0,1),seasonal_order=(7,1,1,7)) # (p,d,q) (P,D,Q,s)
model = model.fit()
ru_test_x['pred'] = model.forecast(200)
ru_test_x.plot(style='-o',title='RU Language Model Predictions',figsize=(12,4))
performance(ru_test_x['ru'],ru_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:966: UserWarning: Non-stationary starting autoregressive parameters found. Using zeros as starting parameters.
warn('Non-stationary starting autoregressive parameters'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\statespace\sarimax.py:978: UserWarning: Non-invertible starting MA parameters found. Using zeros as starting parameters.
warn('Non-invertible starting MA parameters found.'
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.172
# Model NA Language Code
model = SARIMAX(NA_train_x['NA'],order=(2,0,0),seasonal_order=(7,1,3,7)) # (p,d,q) (P,D,Q,s)
model = model.fit()
NA_test_x['pred'] = model.forecast(200)
NA_test_x.plot(style='-o',title='NA Language Model Predictions',figsize=(12,4))
performance(NA_test_x['NA'],NA_test_x['pred'])
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\tsa\base\tsa_model.py:473: ValueWarning: No frequency information was provided, so inferred frequency D will be used.
self._init_dates(dates, freq)
C:\Users\gaura\anaconda3\Lib\site-packages\statsmodels\base\model.py:607: ConvergenceWarning: Maximum Likelihood optimization failed to converge. Check mle_retvals
warnings.warn("Maximum Likelihood optimization failed to "
MAPE :0.214
Ans : The problem statement was all about getting the forecast of pageview for different language wikipedia page. This can be utilize to understand which language type page is prefered more depends on region.
Ans : Inference is as folows:
Most prefered language is english as it was observed that avg pageview are more as compare to other languages.
It was observed that there is significant decrease in pageviews for Spanish language in between January to March 2016.
It was observed that there is significant Increase in pageviews for French language in between April to May 2016.
Ans: Decompositions of series will showcase below mentioned points.
1. Trend
2. Seasonality
3. Residual
Ans : Level of differencing is contextual in this case it gave me staitionary series with just single differencing.
Ans : The Basic difference between arima and Sarima is that arima does'nt take care of Seasonal part but Sarima takes care of it. The differnce between arima, sarima and Sarimax is both arima and sarima does'nt deal with external variable but sarimax does.
Ans: We can utilize iterative approach instead of grid search.